前言¶
在 DeepSeek Harness（DSH）里和模型对话，输入仍以键盘为主。长段口述、边走边想、或不便打字时，若把语音先转成文字再发送，可以少一层「先开别的 App 听写再粘贴」的打断。DSH 社区里已有客户端类插件扩展界面能力；下面介绍维护者 Calvin451970353 发布的 dsh-vmic——它在聊天输入框旁增加麦克风按钮，录制 16kHz WAV，经可切换的 ASR 供应商转写后填入输入草稿，真正执行对话请求的仍是你在 DSH 里当前选中的主模型，语音识别只承担听写层。
这是什么¶
dsh-vmic（包名 dsh-vmic，当前资料版本 1.1.0）是 DSH 的语音输入插件：Web 客户端在发送按钮左侧注入麦克风按钮（带录制时 Canvas 实时频谱，主题跟随 harness CSS 变量），点击开始/停止录音，转写结果进入草稿供审阅后回车发送。源码与说明见 GitHub 仓库，社区目录页：SkillHub 插件页。分类为客户端；许可证 MIT。
核心功能¶
界面与录音¶
- 麦克风位于发送按钮左侧：单击开始录音，再次单击停止并触发转写；右键按钮打开配置面板。
- 浏览器侧录制为 16kHz 单声道 WAV；首次使用需允许麦克风权限。
两种内置 ASR 供应商¶
在配置面板中切换 selectedProvider（预设端点/模型已内置，用户主要填 API Key）：
| 供应商 | 实现要点 |
|---|---|
| 小米 MiMo | openai-compatible，input_audio，模型 mimo-v2.5-asr |
| 火山豆包 | SAUC bigmodel WebSocket 二进制帧；模型 bigmodel，资源 volc.bigasr.sauc.duration，支持流式转写（live: true） |
可选 LLM 润色¶
开启后可对转写文本做口语整理、错字与标点修正。默认可复用 DSH credentials 中的 DEEPSEEK_API_KEY，模型 deepseek-chat；也可在面板配置独立润色 Key（VMIC_POLISH_API_KEY）。
安全与自检¶
- API Key 只写在 DSH 服务端 credentials（
~/.dsh/.credentials.yaml），浏览器仅见「已配置/未配置」；引用名如VMIC_XIAOMI_MIMO_API_KEY、VMIC_VOLCENGINE_DOUBAO_API_KEY（不带VMIC_前缀的兼容名资料亦支持）。 - 火山豆包 Key 支持
appkey:accesskey（X-Api-App-Key/X-Api-Access-Key）或单 Key（X-Api-Key）。 - 内置连通性测试：发送约 0.5s 测试音，返回延迟与识别文本，便于排查网络或鉴权。
- 界面字符串支持中文 / 英文（
locale/zh.json、locale/en.json）。
宿主侧路由（同源代理）¶
转写、配置、润色经 DSH 宿主路由转发，例如 POST /vmic-asr（一次转写）、POST /vmic-asr-live/start|/chunk|/stop（豆包流式）、GET/POST /vmic-config、POST /vmic-test 等；Key 不回明文到前端（GET /vmic-key 仅本机回环供面板「眼睛」图标使用）。
安装与启用¶
版本要求：自 1.1.0 起适配 DSH 0.2.1-rc.2 及以上（engines.dsh 与 peer 指向 0.2.x）；DSH 0.1.x 应使用插件 1.0.0。
插件通过 package.json 的 dsh.bundle.patch 声明 cordis.patch.yml：启用 bundle 层后宿主会自动插入 vmic 行，一般不必手写 insert。
桌面端：设置 → 插件 → 添加插件 →「安装第三方插件」，填本地目录或包名，装完点「立即启用」。桌面 profile（~/.dsh/profiles/desktop）由应用内插件管理器管理，命令行 dsh plugin --profile desktop 会被拒绝。
Web profile 发布版（README 原文命令）：
cd ~/.dsh/profiles/web
pnpm add github:Calvin451970353/dsh-vmic
本地开发可用 link: 指向源码目录，例如：
cd ~/.dsh/profiles/web
pnpm add link:/path/to/dsh-vmic
装好后重启 dsh web 并刷新页面。若未启用 bundle、仅当普通依赖安装时，才需在 cordis.patch.yml 手工追加 insert；启用 bundle 则跳过。配置面板保存时由 configEditor 写回 profile 顶层 - id: vmic 的 config，字段为 .volatile()，改配置通常不需重启；改插件 lib/*.js 仍需重启 dsh web。
若服务端判定插件与当前 DSH 版本不兼容，会打印 disabling profile plugin row "vmic" 并跳过该行，需先核对版本，必要时按 README 使用 dsh plugin --profile web allow-version 等命令。
典型用法¶
经过上面的安装与 Key 配置，可按 README 流程操作：
- 点击麦克风开始录音（允许浏览器麦克风权限）。
- 再次点击（或红色停止控件）结束：对完整音频做一次转写（豆包可选流式路径）。
- （可选）开启润色后自动调用 LLM 整理文本。
- 文字进入输入草稿（保留已有草稿内容），检查后回车发送——由当前选中的 DSH 模型执行后续请求。
右键麦克风打开面板，可设置 language: auto 或如 zh、润色开关与超时 timeoutMs（默认示例为 30000），以及自定义 openai-compatible 供应商（baseUrl / model / Key）。
适用场景与注意¶
适合：长期在 DSH Web 界面写 prompt、希望同源听写、并已在小米 MiMo 或火山豆包开通 ASR 的开发者或日常用户；需要流式出字时可优先选火山豆包供应商。
注意：
- 小米 MiMo 对 base64 音频有约 10MB 上限（资料称约 5 分钟，一般语音输入足够）。
- 插件以当前 dsh 进程权限运行，安装前应自行审阅 源码 与 MIT 许可证；SkillHub 目录为社区站点，与 DeepSeek / 幻方无官方从属关系。
- 客户端 bundle 改动在
pnpm run dev:web监听下可热更新；否则需重启服务并刷新页面。
结尾¶
dsh-vmic 把「录音 → 转写 → 可选润色 → 填入草稿」收进 DSH 聊天框，听写与主模型解耦，Key 留在服务端 credentials。需要细节、配置示例与限制说明时，以仓库 README 为准。
