dsh-speech-gate：可配置的语音转文本提供者

前言¶

DeepSeek Harness（DSH）把识别器放在 speechToText 服务（@deepseek-ai/dsh-experimental-speech-to-text）后面：这是一个命名提供者注册表，由频道在转录前解析。dsh-speech-gate 把一个或多个提供者注册到这个服务，让宿主可以在托管模型、本地 whisper 服务器与本地命令之间选择，而频道不需要知道这些细节。

是什么¶

dsh-speech-gate 是一个 DSH 插件，为 DeepSeek Harness 提供可配置的语音转文本提供者。它支持三种后端：api（OpenAI 兼容接口）、exec（执行本地命令）与 configured-model（复用宿主已有的模型连接器）。插件本身不转码音频：频道已经提供 16 kHz 单声道 PCM16 WAV，这是所有 speechToText 提供者都接受的格式。

核心功能¶

后端类型¶

api：调用 POST {baseUrl}/audio/transcriptions（OpenAI 兼容 multipart）。适合托管模型、whisper.cpp --server、faster-whisper-server、whisper-asr-webservice。
exec：执行命令，把转录结果输出到 stdout。适合同一台机器上的 whisper-cli 或 faster-whisper。
configured-model：调用 api，但端点和密钥来自宿主已配置的模型连接器，避免重复输入密钥。适用于已经配置过 OpenAI/Mistral 的宿主。

提供者解析¶

插件通过宿主报告的 llm.listProviders() 决定使用哪个提供者（每次转录一次解析）：

条目中显式指定 provider；
否则根据模型族自动推断：voxtral-* → mistral，whisper-large-v3* → groq，gpt-4o*/gpt-4*/whisper* → openai；
否则，当宿主只配置了一个已知提供者时，使用该提供者；
否则，转录失败并返回候选列表。插件不会猜测，以避免错误地调用错误的凭证。

配置复用¶

configured-model 后端使用以下映射（端点与凭证名称）：

provider	endpoint	credential
`openai`	`https://api.openai.com/v1`	`OPENAI_API_KEY`
`mistral`	`https://api.mistral.ai/v1`	`MISTRAL_API_KEY`
`groq`	`https://api.groq.com/openai/v1`	`GROQ_API_KEY`

配置字段（来自 README）¶

字段	backend	含义
`id`	两者	提供者身份，用于默认提供者与 UI 选择
`name`	两者	可读标签
`location`	两者	`cloud` 或 `host-local`
`languages`	两者	接受的语言提示（默认 `[ru, en]`）
`language`	两者	调用方未指定时使用的语言
`baseUrl`	api	OpenAI 兼容根地址，不带尾部斜杠
`model`	api, exec	模型名称（`{model}` 可在 `args` 中使用）
`apiKeyRef`	api	通过 `ctx.credentials` 解析的凭证引用
`apiKeyEnv`	api	包含密钥的环境变量
`apiKeyFile`	api	包含密钥的文件路径

安装与启用¶

安装方式¶

从 npm 安装（推荐）：

dsh plugin --profile <profile> add @dr-co/dsh-speech-gate
dsh plugin --profile <profile> add @dr-co/dsh-speech-gate@0.1.0

从 GitHub 安装（当前 main 分支）：

dsh plugin --profile <profile> add github:unera/dsh-speech-gate
dsh plugin --profile <profile> add github:unera/dsh-speech-gate#v0.1.0
dsh plugin --profile <profile> add github:unera/dsh-speech-gate#206fb1e

从本地检出安装（开发迭代）：

git clone https://github.com/unera/dsh-speech-gate
dsh plugin --profile <profile> add file:$PWD/dsh-speech-gate

安装后，插件不会生成 dsh.bundle，dsh plugin add 会将其作为普通依赖安装，实际挂载在配置的 patch 中。

挂载与启用¶

在宿主的配置 patch 中挂载插件（示例片段）：

- id: speech-to-text
  config:
    defaultProvider: openai-compatible
    language: ru
- insert:
    - id: speech-provider
      name: '@dr-co/dsh-speech-gate'
      config:
        providers:
          - id: openai-compatible
            backend: configured-model
            name: OpenAI gpt-4o-mini-transcribe
            location: cloud
            languages: [ru, en]
            language: ru
            model: gpt-4o-mini-transcribe
          - id: mistral-voxtral
            backend: configured-model
            name: Mistral Voxtral
            location: cloud
            languages: [ru, en]
            language: ru
            model: voxtral-mini-latest
          - id: whisper-local
            backend: api
            name: Local whisper server
            location: host-local
            languages: [ru, en]
            baseUrl: http://127.0.0.1:8080/v1
            model: whisper-1
          - id: whisper-exec
            backend: exec
            name: Local whisper command
            location: host-local
            languages: [ru, en]
            command: whisper-cli
            args: ['-f', '{input}', '-l', '{language}', '-nt']

将 defaultProvider 设置为其中一个 id。如果 @deepseek-ai/dsh-experimental-voice-input-bundle 已启用，这些提供者与语言会在 Web UI 的“Plugins → Voice Input”中显示。

典型用法¶

复用宿主 OpenAI 连接器¶

- id: openai-transcribe
  backend: configured-model
  model: gpt-4o-transcribe

- id: openai-mini
  backend: configured-model
  model: gpt-4o-mini-transcribe

本地 whisper 服务器（api 后端）¶

- id: whisper-local
  backend: api
  name: Local whisper server
  location: host-local
  languages: [ru, en]
  baseUrl: http://127.0.0.1:8080/v1
  model: whisper-1

本地 whisper 命令（exec 后端）¶

- id: whisper-exec
  backend: exec
  name: Local whisper command
  location: host-local
  languages: [ru, en]
  command: whisper-cli
  args: ['-f', '{input}', '-l', '{language}', '-nt']

适用场景与注意¶

适合需要同时使用托管转录服务与本地推理的用户：例如在云端使用 gpt-4o-mini-transcribe，同时在本地运行 whisper server 或 whisper-cli。

注意：

DSH 版本要求 0.2.1-rc.2 或更高，Node.js 22+；
必须在宿主 profile 中挂载 @deepseek-ai/dsh-experimental-speech-to-text 服务；
使用 configured-model 后端时，宿主需已配置对应的模型连接器；
使用 exec 后端时，宿主需能执行命令行工具（如 whisper-cli）；
插件以当前 DSH 进程的权限运行，安装前应检查源码与许可证；
插件不转码音频，请确保输入音频为 16 kHz 单声道 PCM16 WAV。

小结¶

dsh-speech-gate 让 DeepSeek Harness 能够在一个插件中管理多种语音转文本提供者，同时避免重复输入密钥。通过 api、exec 与 configured-model 三种后端，可以在云端托管与本地推理之间灵活切换。

插件主页：https://www.skillhub.cn/plugins/unera/dsh-speech-gate
源码仓库：https://github.com/unera/dsh-speech-gate