前言¶

DeepSeek Harness（DSH）的语音输入走官方实验包 @deepseek-ai/dsh-experimental-speech-to-text：按钮、设置卡片、准备界面和 speech API 都由同一套服务承载，背后可以挂不同的 recognizer provider。内置的 dsh-experimental-speech-to-text-sensevoice 在 Windows 上实质是 CPU 路径：worker 写死 provider: "cpu"，自带的 sherpa-onnx 也是 CPU 版 ONNX Runtime，OpenVINO 执行提供程序不可用；即便强行走 OpenVINO，该模型默认图里 x_length 等动态维度还会导致 NPU 编译崩溃。

若你用的是带 Intel NPU 的 Core Ultra 平台，希望把 SenseVoiceSmall 的重计算挪到 NPU、又不想让语音输入 UI 和 API 改写法，sakuraboy9128-cmd/dsh-sensevoice-npu 是在同一套 voice-input 栈里多注册一个 provider 的做法：前端特征与 sherpa-onnx 对齐，推理经 OpenVINO 跑在 NPU 上。

这是什么¶

dsh-sensevoice-npu（当前包版本 0.2.0，MIT）由维护者 sakuraboy9128-cmd 发布，分类为模型推理。一句话：在 DSH 本地语音转文字流程中，通过 OpenVINO 在 Intel NPU 上运行 SenseVoiceSmall，并接入官方 @deepseek-ai/dsh-experimental-speech-to-text 服务；语音按钮、设置卡片、准备 UI 与 speech API 行为不变，仅替换背后的识别器。

插件不自带模型下载（downloadSources 为空），模型文件需由官方 SenseVoice provider 准备一次，或自行放到约定路径。

与内置 CPU Provider 的差异¶

README 归纳了四条内置路径在 NPU 上走不通的原因，以及本插件的应对方式：

前端（fbank、LFR、CMVN）与 sherpa-onnx 选项一致，转写结果 intended 与 CPU provider 对齐；重负载 encoder/decoder 在 NPU，fbank 与 Silero VAD 仍在 CPU（VAD 模型小且动态 shape，NPU 不适用）。

代码结构¶

模型文件（相对 dataRoot）¶

Worker 读取以下三个文件（需事先就位）：

默认 dataRoot 为 <DSH home>/speech-to-text/sensevoice。可先让官方 dsh-experimental-speech-to-text-sensevoice provider 下载到同一目录，再安装本插件。

安装与启用¶

环境要求：64 位 Python 3.11–3.13、Intel NPU 驱动；Node 引擎 >=22.13（见 package.json）。以下步骤摘自 README，路径请换成你本机实际位置。

1、构建 Python 环境

pwsh -File runtime/bootstrap.ps1

2、安装到持有 voice-input bundle 的 profile

DSH 桌面应用通常使用 desktop profile：

dsh plugin --profile desktop add "file:C:/path/to/dsh-sensevoice-npu"

本地迭代时，pnpm 会复制包；可用 junction 指回工作目录：

$d = "$env:USERPROFILE\.dsh\profiles\desktop\node_modules\dsh-sensevoice-npu"
Remove-Item -Recurse -Force $d
New-Item -ItemType Junction -Path $d -Target C:\path\to\dsh-sensevoice-npu

3、按需覆盖 Cordis 配置

bundle 自带的 cordis.patch.yml 已选择 provider 并注册插件；pythonPath 与 dataRoot 默认指向 bootstrap 虚拟环境与 DSH speech 根目录。仅当虚拟环境或 DSH 主目录非默认时，备份后编辑 ~/.dsh/profiles/desktop/cordis.patch.yml，追加例如：

- id: speech-to-text-npu
  name: 'dsh-sensevoice-npu'
  config:
    pythonPath: <custom venv>\Scripts\python.exe   # only with -VenvDir
    dataRoot: <custom speech root>                 # only with a non-default DSH_HOME

4、重启 DSH

语音输入卡片应出现 SenseVoiceSmall · Intel NPU (NPU) 并默认选用；首次 preparation 会对 NPU 图编译一次（约 2.5 分钟），之后启动约 0.2 s。若仍显示 CPU provider，在语音输入设置里显式选择 NPU（显式选择会覆盖 patch 默认项）。

配置项¶

每个 bucket 首次编译约 2.5 分钟，磁盘约 800 MB（烘焙 IR + OpenVINO NPU cache）。口述场景单 bucket 256 帧（约 15 s 音频）通常足够。

典型用法与实测行为¶

安装并重启后，使用方式与官方语音输入一致：点语音按钮、在设置里选 provider，无需改应用侧 speech API。

README 在 Core Ultra X7 358H、Arc B390、NPU 驱动 32.0.100.5540 上给出的参考数据（非普遍承诺）：

说明：对很短的片段，NPU 路径未必比 sherpa-onnx CPU 更快（README 举例约 0.5 s vs ~0.2 s）；主要收益是把 encoder/decoder 从重 CPU/GPU 挪到 NPU。

排查时可查看：

Get-Content "$env:USERPROFILE\.dsh\speech-to-text\sensevoice\npu\provider-status.json"

常见问题：NPU device not visible → 更新 Intel NPU 驱动（README 测试 32.0.100.5540）；NPU compile failed → 删除 <dataRoot>/npu 重试并预留约 1 GB/bucket 磁盘；新 bucket 首次慢属编译过程。

开发侧可运行 node --test（README 称 6 个测试，覆盖注册契约与配置校验）。

适用场景与注意¶

适合谁： 已在 DSH desktop（或同样挂载 @deepseek-ai/dsh-experimental-speech-to-text 的 profile）上使用 SenseVoice 语音输入；机器带 Intel NPU 且愿意在 Windows 上跑 PowerShell bootstrap 与 OpenVINO NPU 编译；希望 UI 与 API 不变，只换 recognizer。

不适合或需知： 插件以当前 DSH 进程权限运行，安装前请阅读 GitHub 仓库 源码与 MIT 许可证；README 安装与实测以 Windows / PowerShell 为主，未描述其他 OS 的一键路径；不下载模型，需自备或依赖官方 SenseVoice provider 准备文件；社区目录 SkillHub 插件页 与 GitHub 为独立信息源，与 DeepSeek / 幻方无官方从属关系。

结尾¶

dsh-sensevoice-npu 把 SenseVoiceSmall 接到 DSH 官方语音输入栈，用 OpenVINO 在 Intel NPU 上跑识别，并针对 NPU 编译限制烘焙帧 bucket。若你的痛点是「内置 SenseVoice 只能 CPU、又想保留原有语音输入体验」，可按 README 准备模型、bootstrap 环境、dsh plugin --profile desktop add "file:..." 安装并重启验证。

• 目录页：https://www.skillhub.cn/plugins/sakuraboy9128-cmd/dsh-sensevoice-npu
• GitHub：https://github.com/sakuraboy9128-cmd/dsh-sensevoice-npu