前言¶

DeepSeek Harness（DSH）桌面端支持语音输入，内置 SenseVoice 可在本地转写，但对俄语支持不足。若你在 DSH 里用俄语口述需求、注释或混合俄英技术术语，内置路径往往识别不准或无法使用。社区插件 dsh-voice-ru（维护者 ripls56）在 голосовой ввод 侧增加第二个本地 STT 提供商，引擎为 NVIDIA Nemotron 3.5 ASR Streaming 0.6B（GGUF），通过 transcribe.cpp 原生运行时推理；模型与运行时不在仓库内，首次使用时下载并以 sha256 校验。分类上属于 模型推理。DSH 生态强调「一切皆插件」；SkillHub 目录页 为社区站点，与 DeepSeek / 幻方无官方从属关系。

这是什么¶

dsh-voice-ru 是 DSH 的本地语音转文字插件：注册 id 为 nemotron-local 的提供商（默认 providerId），接收 voice-input 客户端送来的 16 kHz 单声道 PCM16 WAV，在本地完成转写。除俄语外，README 英文说明还支持另外 28 种语言区域；仓库本身只保留三个用于测试的合成 WAV，不含模型权重与原生库二进制。

环境与磁盘¶

1. DSH 桌面版已开启语音输入；平台支持 Windows x64、Linux x64/arm64、macOS arm64/x64。
2. 约 1 GB 空闲磁盘（模型约 751 MB + 运行时约 2–21 MB + 缓存）。
3. 首次 准备阶段需要联网：运行时从 GitHub release 拉取，模型从 Hugging Face 拉取；之后可离线使用。

Node 依赖 koffi（^2.16.3）；插件要求 Node >=20，peer 依赖 @deepseek-ai/cordis ^4.0.1。当前 package 版本 0.2.2，许可证 MIT。

安装与启用¶

下面介绍三种 README 记载的安装方式；插件在 当前 DSH 进程权限 下运行，安装前请自行查看 GitHub 源码 与许可证。

方式一：DSH 配置文件命令¶

在目标 profile 下执行（命令来自官方 README，<профиль> 替换为你的 profile 名）：

dsh plugin --profile <профиль> add github:ripls56/dsh-voice-ru

若首次出现 ERR_PNPM_IGNORED_BUILDS: koffi@2.16.3，DSH 会在 <профиль>/pnpm-workspace.yaml 写入 allowBuilds 占位；将 koffi: false 后重试。README 说明 koffi 自带预编译二进制，无需跑构建脚本，在该环境下也不应设为 true（cnoke 构建会失败）。

dsh plugin add 只装依赖，不会自动写入 bundles。需在 <профиль>/package.json 的 dsh.profile.bundles 中加入 dsh-voice-ru，例如：

"dsh": { "profile": { "bundles": ["...", "dsh-voice-ru"] } }

重启 DSH。不启动应用时可检查：dsh <профиль> --dump-config | findstr voice-ru，应出现 - id: voice-ru。

方式二：GUI¶

Settings → Plugins → 安装 bundle，规格 github:ripls56/dsh-voice-ru。若询问 koffi 的 build 脚本，可不授权。安装后重启 DSH。

方式三：本地 link（开发者）¶

在插件目录 npm install 后，于 profile 的 package.json 增加 dependencies 的 link: 路径及 bundles 中的 dsh-voice-ru，重启 DSH。插件自带 cordis.patch.yml，无需手改 - id: voice-ru。

选用提供商¶

经过上面的步骤后，在 Settings → Voice input 选择提供商 Nemotron 3.5 ASR 0.6B (Q8_0 GGUF)，语言建议 Авто（Auto）。

首次准备与缓存¶

在 Settings → Voice input 点准备，或第一次录音触发 prepare() 时，插件会下载并校验：

缓存目录：Windows 为 %LOCALAPPDATA%\dsh-voice-ru，Linux 等为 ~/.local/share/dsh-voice-ru（可通过配置 dataRoot 覆盖）。部分下载的文件在校验通过前不会进入缓存；网络中断不会污染已验证文件。进度在 Voice input 设置页可见。README 说明无断点续传：751 MB 下载中断会重新开始，未校验的临时文件会被清理。

语言模式：俄语、英语与混说¶

• Авто：模型自动判语种；俄语正常识别，句中英词倾向保留拉丁字母。README 默认推荐此项。
• ru：强制俄语提示，纯俄语略稳，但英文词可能被写成西里尔字母。

README 在合成语音上对比了混说 tech 术语：auto 更易保留 main branch、Pull Request、git push 等拉丁写法；ru 模式下部分术语会西里尔化。模型不支持 VOCABULARY / CONTEXT_PROMPT，无法通过词表提示专有名词；连读的 config.json 等在 auto 下仍可能变成西里尔近似读法。

工作原理与性能¶

数据路径（README 示意）：

voice-input 客户端 (WAV 16 kHz mono PCM16)
        │  speech/transcribe
        ▼
speechToText (DSH)  →  nemotron-local（本插件）
                              │  subprocess + bearer token
                              ▼
                     lib/worker.js: koffi → transcribe_run → 文本

主要模块：lib/index.js（注册、prepare、下载、队列、空闲 5 分钟卸载 worker）、lib/runtime.js（平台 runtime URL/sha256、解压 .tar.gz）、lib/download.js（原子下载与校验）、lib/worker.js（FFI + HTTP /transcribe?language=…）、lib/locales.js（如 ru → ru-RU）。

README 给出的参考速度（RTX 3060 Vulkan）：约 8.6 s 音频 ~0.5 s（RTF 约 15–18×）；纯 CPU 约 1.3 s（RTF 约 6×）。模型在多次录音之间常驻内存，直到 idleTimeoutMs（默认 300000 ms）触发卸载。

可选配置¶

在插件配置项中（均可省略）：

适用场景与限制¶

适合：需要在 DSH 里本地、离线（首次准备后）转写俄语或俄英混说，且可接受约 751 MB 模型与首次下载的开发者。

注意：

1. 单次录音上限跟随 DSH voice-input（120 s）。
2. 插件代码 MIT；模型 OpenMDW-1.1（nvidia/nemotron-3.5-asr-streaming-0.6b）；GGUF 与 transcribe.cpp 来源见 README「Лицензии и источники」。
3. 仓库提供 npm run test / test:fresh / test:lang 等脚本，供维护者验证 provider、下载链路与语言行为；普通用户按 GUI 准备即可。

链接¶

• 目录页：https://www.skillhub.cn/plugins/ripls56/dsh-voice-ru
• 源码与完整说明：https://github.com/ripls56/dsh-voice-ru