前言¶
在 DSH 里和 agent 对话，多数时候仍靠键盘。官方语音输入能转文字，但若一直开着麦克风、或把唤醒词和内容连说，容易误发、也不清楚当前处于「在听唤醒词」还是「在录正文」。维护者 ljz970803 的 dsh-voice-wake 把流程收成固定几步：单独说唤醒词 → 听到提示音 → 再说内容 → 停顿后自动进会话。识别走 DSH 的 speechToText（默认本机 SenseVoice），音频不落盘；插件归类为模型推理，当前版本 1.1.0，许可证 MIT。社区目录页：skillhub.cn/plugins/ljz970803/dsh-voice-wake；源码：github.com/ljz970803/dsh-voice-wake。
下面介绍它解决什么问题、如何安装启用，以及使用时的边界。
这是什么¶
dsh-voice-wake 是 DSH 的本地语音唤醒插件：常听麦克风，先用唤醒词「叫醒」，确认后再录正文，说完按静音规则自动发送到对话。效果上接近「快问快答、记一件事、手被占用时的短输入」，不是全功能语音助手。
和「唤醒词后面直接带指令」不同，本插件故意要求唤醒词独占一句（例如默认「鲸鱼」后不接内容），以减少误唤醒；「鲸鱼，今天几号」这种连说不会触发。
核心功能¶
本地识别与提示音¶
- 默认复用 DSH 自带 SenseVoice，音频不落盘、不上传、不消耗 token；若 DSH 改为云端识别，音频去向以 DSH 配置为准。
- 两句提示音：叮-咚（确认只有唤醒词，可以讲正文）、嗒（正文已发进会话）；不看屏幕也能感知阶段。
- 右下角 HUD 显示「聆听中 / 已唤醒」和音量，可拖动、折叠、关闭；设置页可「归位」。
唤醒与发送逻辑¶
- 只喊唤醒词（默认「鲸鱼」，建议 2–3 字），不要接内容。
- 快速探测在约 0.6 秒静音处切句，完整识别确认「只有唤醒词」后响「叮-咚」，HUD 变为「已唤醒」。
- 「叮-咚」后 5 秒内说正文；一旦检测到有效说话，5 秒倒计时取消，改为按
silenceMs（默认 2000 ms）静音判定一句结束并发送。 - 发送完成响「嗒」，回到「聆听中」；5 秒内无有效内容则视为误触发，收回聆听。
- 连续说话按
maxSegmentMs切段（默认 1 分钟，可选 2 / 5 分钟或不限）。
唤醒词支持宽容匹配（同音、前后鼻音、平翘舌、约 1 个音节偏差）；默认「鲸鱼」含别名「金鱼」。灵敏度 1–10 档，设置页可「校准」按环境底噪选档。
会话去向与打断¶
- followActive 默认关：消息发到专用「语音唤醒会话」，首次使用主窗口会跳转过去。
- 开启「发到当前会话」：跟着当前聊天走；若当前不在聊天页，会落回语音唤醒会话。
- 上一轮未完成时，可再次唤醒并讲新指令以打断（部署不支持时自动排队，避免丢消息）。
安全与高风险提醒（1.1.0）¶
- 每个会话第一条语音消息会说明内容可能来自语音转写，只提醒不拦截。
- 命中
riskWords（如删除、覆盖、发布、付款、rm -rf等，可自定义）时，消息末尾追加识别误差提示；不拦截、不弹确认，高风险仍依赖 DSH 审批/沙箱。 - 插件说明：删除、覆盖、发布、付款、改权限等不可逆操作，尽量不要用本功能。
扩展点¶
README 列出 beforeSend、onTranscript、onStateChange 与独立展示文件 hud.js；架构与改 HUD、换提示音等见仓库 ARCHITECTURE.md。
装之前¶
- DSH 里「设置 → 语音输入」确认识别模型就绪；未就绪时插件仍可安装，设置页会提示「识别还不能用」。
- 允许麦克风；插件启用时会听麦，默认不写识别文字到日志（除非开启
logTranscript）。 - 首次启动后模型加载约 5 秒，再试唤醒。
安装与启用¶
推荐：在 DSH 市场「插件」里搜索 语音唤醒 安装（收录后）。
CLI（把 desktop 换成你的 profile 名）：
dsh plugin --profile desktop add dsh-voice-wake
注意：单独 npm install dsh-voice-wake 只会下载包，不会注册插件；必须走市场或 dsh plugin add。
启用步骤：
- 打开「设置 → 语音唤醒」，打开总开关
enabled。 - 按需改唤醒词
wakeWords、灵敏度wakeSensitivity、说完静音silenceMs等；一页平铺、改完立即生效，无「保存」按钮。
典型用法¶
经过上面的安装与启用，日常使用可以按下面顺序：
- 只喊唤醒词（默认「鲸鱼」），不要带后面的任务描述。
- 听到「叮-咚」、HUD 显示「已唤醒」后，在 5 秒内说出要问 agent 的内容。
- 说完停一下；听到「嗒」表示已送入会话（默认进「语音唤醒会话」，除非开启「发到当前会话」）。
调试可在设置页「调试」区做麦克风测试、复制/导出诊断信息；导出可能包含最近一次识别文本（若开过诊断日志）。
主要配置项¶
字段定义在 lib/config.js 的 CONFIG_SCHEMA，配置版本 17。常用项如下（完整表见 README）：
| 字段 | 默认值 | 作用摘要 |
|---|---|---|
wakeWords |
鲸鱼 |
英文逗号分隔多个唤醒词 |
wakeSensitivity |
5 |
1–10，1 最灵敏 |
silenceMs |
2000 |
正文说完后静音多久算一句（400–8000 ms） |
followActive |
false |
是否发到当前会话 |
riskNotice / riskWords |
开 / 默认词表 | 敏感词末尾提醒 |
logTranscript |
false |
诊断日志是否记录识别文字 |
适用场景与注意¶
适合：手被占用、不想打字、需要短句进 DSH 会话；本地 SenseVoice 场景下隐私与 token 压力相对可控。
不适合：依赖精确路径、数字、人名的操作；无发送前预览，识别错误会自动发出，需自行撤回或纠正。
权限：插件以当前 DSH 进程权限运行，会向会话发消息（等同手动输入）。安装前请阅读 源码与 LICENSE，自行评估是否满足环境要求。DSH 社区插件目录为独立站点，与 DeepSeek / 幻方无官方从属关系。
常见问题：没有「叮」——先看设置页是否「识别还不能用」、麦克风与唤醒词是否独占一句；消息总在「语音唤醒会话」——默认行为，可开 followActive。
结尾¶
dsh-voice-wake 把 DSH 语音输入收成「叫醒 → 请讲 → 停顿发送」，配合提示音与 HUD，适合轻量、本地的语音进会话。进一步了解实现与扩展，见 GitHub README 与 ARCHITECTURE.md；安装入口见 SkillHub 目录页。
