前言¶
在 DeepSeek Harness 里做会议记录或口述草稿时，常见做法是依赖云端语音识别，或只用内置 SenseVoice 做短句输入。若希望边说边出字、音频不出本机，并在 Apple Silicon 上换成本地 Qwen3-ASR 推理，需要额外能力。社区插件 dsh-plugin-local-voice（维护者 R0tten-Git）面向 DSH Desktop，提供右下角实时转写浮窗，并可选注册本地识别器 provider；分类为模型推理。
下面介绍插件定位、能力与安装用法；事实以 GitHub README 为准。
这是什么¶
dsh-plugin-local-voice 是 DeepSeek Harness 的本地语音转写插件：独立浮窗实时字幕、可复制或存成 Markdown 纪要；在 macOS Apple Silicon 上可用 Qwen3-ASR-1.7B-8bit（MLX） 做识别，默认推理过程不依赖外网（模型需自行下载）。同一包还为内置语音输入提供快捷键，并可将默认识别器切到 qwen3-asr-local。
当前包版本 1.6.1，许可证 MIT。目录页：SkillHub 插件页。
核心功能¶
独立实时转写浮窗¶
重启 DSH 后，界面右下角出现「实时转写」胶囊。点一下开始录音并展开浮窗（约 380px 宽、最高 72vh）。边说边出字：每句停顿约 0.95 秒出一行（开发说明里切句逻辑为静音约 0.7 秒）；单段最长 9 秒强制切分。支持播放/暂停（暂停保留已转内容）、最小化后继续录音（仅显示计时标记）、结束本次转写（有内容时二次确认）。结束后可复制全文，或通过系统文件选择器存 md（默认文件名形如 live-stt-YYYY-MM-DD_HHMM.md）。
音频在浏览器内重采样为 16 kHz 单声道，按能量切句后编码为 WAV，经 ctx.remote.speech.transcribe 调用本包的识别 provider。
Qwen3 本地识别器（Apple Silicon）¶
除浮窗外，插件注册识别器 qwen3-asr-local，可将内置麦克风识别从 SenseVoice 换成本机 Qwen3。推理在常驻 Python 进程 qwen3_worker.py 中完成，模型只加载一次；首次转写约懒启动，空闲 5 分钟回收进程。语言下拉支持 auto / zh / en / yue / ja / ko。
启动时会探测 平台（darwin/arm64）+ Python 解释器 + 模型目录；任一不满足则不注册 Qwen3，也不破坏默认识别器，界面仍走官方 SenseVoice。
快捷键与内置语音输入¶
插件注册命令 voice.dictate，并与自带语音输入控件联动：空闲时触发相当于开始录音，录音中触发相当于停止并识别。默认键位在 Desktop 上为 macOS ⌘D、Windows/Linux Ctrl+D；可在 设置 → 编辑快捷键 中搜索「语音输入」修改。
可选：逐句 LLM 校对¶
默认关闭。设置环境变量 LIVE_STT_LLM_VERIFY=on 后，每句识别结果会经 DSH 已配置的模型做最小改动校对（同音错字、专有名词、标点）。这会使用 DSH 模型通道，不再是纯离线；默认不开启时零额外请求。
平台支持¶
| 平台 | 浮窗 UI | Qwen3 引擎 |
|---|---|---|
| macOS Apple Silicon | 支持 | 支持（推荐） |
| Windows / Linux | 支持 | 不支持，自动回落 SenseVoice |
| Web 客户端 | 支持 | 取决于 Host 侧能力 |
Qwen3 引擎依赖本机 mlx-audio 虚拟环境与模型目录；其他平台浮窗 UI 仍可用。
安装与启用¶
环境要求（README）：DSH Desktop 0.2.0-rc.2 起；需启用官方语音输入 Bundle 并完成其「下载并准备」。插件以当前 DSH 进程权限运行，安装前建议阅读仓库源码与 MIT 许可。
方式一：npm（推荐）
dsh plugin --profile desktop add dsh-plugin-local-voice
方式二：从 GitHub 安装
dsh plugin --profile desktop add github:R0tten-Git/dsh-plugin-local-voice
方式三：插件页
侧栏 插件 → 添加插件 → 指向包目录或 .tgz → 安装 → 立即启用。
在 macOS Apple Silicon 上，装完插件后还需准备 MLX 引擎与模型：
uv venv ~/.local/venvs/mlx-audio --python 3.12
~/.local/venvs/mlx-audio/bin/pip install "mlx-audio==0.5.5" sounddevice numpy huggingface_hub
python3 scripts/prepare_model.py
prepare_model.py 默认从魔搭拉取 mlx-community/Qwen3-ASR-1.7B-8bit（约 2.47 GB）。海外或需换源时：
python3 scripts/prepare_model.py --source hf-mirror
python3 scripts/prepare_model.py --source hf
模型脚本来自插件包内的 scripts/prepare_model.py（安装后可在包目录执行）。完成后重启 DSH，右下角应出现实时转写入口。
典型用法¶
- 确认麦克风已在系统/浏览器层授权（沿用语音输入插件的首次请求流程）。
- 点右下角胶囊开始转写；开会时可 最小化 浮窗，仅保留计时标记。
- 需要纪要时点 存 md，或 复制 后粘贴到会话或笔记。
- 若要用 Qwen3 驱动内置麦克风：在识别器下拉选择本地 provider（或依赖包内
cordis.patch.yml的默认指向）；想恢复 SenseVoice 可在下拉中手动选择，或按 README 调整 patch。
浮窗控件速查：
| 控件 | 作用 |
|---|---|
| 右下角胶囊 | 开始录音并展开浮窗 |
| 播放 / 暂停 | 开始或暂停（暂停保留内容） |
| — | 最小化，继续录音 |
| × | 结束本次转写并清空（有内容时二次确认） |
| 复制 / 存 md | 复制全文或保存 Markdown |
配置与环境变量¶
| 环境变量 | 默认值 | 说明 |
|---|---|---|
LIVE_STT_MODEL |
~/models/Qwen3-ASR-1.7B-8bit |
模型目录 |
LIVE_STT_PYTHON |
~/.local/venvs/mlx-audio/bin/python |
带 mlx-audio 的解释器 |
LIVE_STT_MODEL_SOURCE |
modelscope |
缺模型时提示使用的镜像源 |
LIVE_STT_LLM_VERIFY |
off |
逐句 LLM 校对（走 DSH 模型通道） |
识别器路径还可通过 QWEN3_ASR_PYTHON / QWEN3_ASR_MODEL 覆盖（见 README 开发笔记）。开启 LLM 校对时可设置 LIVE_STT_LLM_MODEL、LIVE_STT_LLM_PROVIDER、LIVE_STT_LLM_TIMEOUT_MS。
权限、网络与已知限制¶
- 麦克风：录音在页面内进行，需系统/浏览器授权。
- 本地进程：会拉起 Python 跑 Qwen3，只读模型目录；日志默认写在
~/Library/Logs/dsh-qwen3-asr.log。 - 网络：默认可零外网；模型仅在手动执行
prepare_model.py时下载。LIVE_STT_LLM_VERIFY=on时会走 DSH 模型通道。 - 文件：仅在用户点击存 md / 存 wav 时经文件选择器写入；音频默认不落盘、不上传。
README 还说明：依赖官方实验性语音输入 Bundle，DSH 升级可能改 API；Qwen3 仅 Apple Silicon；模型不随 npm 包分发，需自行准备。
结尾¶
dsh-plugin-local-voice 把「本地实时字幕 + 可选 Qwen3 识别器 + 语音输入快捷键」收进一个 DSH 插件：Apple Silicon 上可完全离线转写，其他平台仍能用浮窗并回落 SenseVoice。社区插件目录与 DeepSeek / 幻方无官方从属关系，安装与启用以你本机 DSH 配置为准。
- 目录页：https://www.skillhub.cn/plugins/R0tten-Git/dsh-plugin-local-voice
- 源码与文档：https://github.com/R0tten-Git/dsh-plugin-local-voice
