前言¶

DeepSeek Harness（DSH）支持通过语音输入把麦克风录音交给本地或远程的 speechToText 提供者。实验性语音输入 bundle 默认带的 SenseVoice 面向中文、英文等语种，对俄语并不合适。若你希望在 DSH Web 聊天框里用麦克风说俄语、得到带大小写和标点的西里尔文文本，又不想调用云端 API 或配置密钥，就需要一个专门注册为 speechToText 提供者的本地俄语 ASR 插件。

下面介绍社区插件 dsh-gigaam-stt（维护者 OldSchool686，分类：模型推理）。它以 GigaAM v3 的 ONNX int8 模型在 CPU 上通过 sherpa-onnx 推理，首次使用时按需下载约 320 MB 资源，全程离线。

这是什么¶

dsh-gigaam-stt 的定位是：为 DSH 现有语音输入管线提供 仅俄语 的本地听写能力。录音经 16 kHz 单声道 PCM16 WAV 进入该提供者，在 worker 线程中由 sherpa-onnx 解码，输出类似「Привет, как дела?」的文本。

引擎来自 GigaAM v3（220M Conformer，MIT），导出为 e2e_ctc int8 ONNX，由 sherpa-onnx 加载。sherpa-onnx 复用 DSH 安装里已有的依赖，插件本体只依赖 Node 内置模块，无需单独编译或 Python 环境。

核心功能¶

README 中列出的能力如下（均为插件自述，未单独复测）：

• 俄语识别与标点：e2e 变体直接输出大小写和标点；资料引用 ai-sage 基准称 GigaAM v3 在俄语 WER 约 8.4%，并对比 T-One、Whisper-large-v3 等（数字来自上游 README，非本文实测）。
• CPU、体积与速度：int8 模型约 320 MB；加载后 RSS 约 420 MB；在四线程上 RTF 约 0.04（资料示例：11 秒语音约 0.45 秒转写）。
• 懒加载与空闲卸载：首次录音时下载并加载（加载约 1 秒）；空闲 5 分钟后卸载，无后台常驻任务。
• 长录音：按停顿对齐切分为最长 20 秒的窗口再解码，避免单次过长输入导致 sherpa-onnx 异常；可通过配置调整窗口与上限。
• 数字归一化：默认把俄语数字词转为阿拉伯数字（如「двадцать пять」→「25」）；可用 numbers: words 关闭。
• 非阻塞：识别在 worker_threads 中执行，不阻塞聊天界面。
• 安全下载：资源 URL、大小与 SHA-256 固定；中断下载可从 .part 续传。

数据流可概括为：

mic → 16 kHz mono PCM16 WAV → speechToText 提供者 → worker → sherpa-onnx → 西里尔文文本

环境与依赖¶

使用前需满足：

1. DSH 已具备语音输入栈 @deepseek-ai/dsh-experimental-voice-input-bundle（speech 服务、麦克风 UI、Remote API）。没有该 bundle 时，本插件可安装但聊天里没有麦克风可挂载。
2. Node.js 22+（与 DSH 要求一致）；x86-64 或 arm64 的 Linux / macOS / Windows。
3. 磁盘约 350 MB 留给模型；加载时约 450 MB RAM。
4. 浏览器需对 DSH Web 授予麦克风权限（首次录音时出现提示）。

安装与启用¶

可通过 DSH 智能体安装 bundle，或在 DSH Web 的 Plugin Manager 中安装。安装目标接受与 pnpm 相同的 spec：

bundle 的 patch 会：将默认 speech 提供者设为 gigaam-local 且语言为 ru；关闭内置 SenseVoice（避免语种不匹配）；并挂载本提供者，dataRoot 指向 dshHomePath('speech-to-text', 'gigaam')。

若 profile 里还没有 voice-input bundle，patch 里前两行覆盖会以警告跳过——需先安装 @deepseek-ai/dsh-experimental-voice-input-bundle，再重新应用本 bundle。

插件以当前 DSH 进程权限运行；安装前建议在 GitHub 阅读源码与 MIT 许可证（package.json 版本 1.1.1），确认符合你的安全与合规要求。

首次运行与模型文件¶

在聊天输入框点击麦克风。准备卡片会显示一次性从 Hugging Face 下载两个文件（合计约 320 MB），经 SHA-256 校验，状态依次为 downloading → loading → ready。

默认存放目录为 ~/.dsh/speech-to-text/gigaam/：

离线或预置缓存时，可按 README 将同名、同尺寸文件放入该目录；已存在且尺寸正确的文件会直接使用：

mkdir -p ~/.dsh/speech-to-text/gigaam
curl -L -o ~/.dsh/speech-to-text/gigaam/gigaam_v3_e2e_ctc_int8.onnx \
  https://huggingface.co/Smirnov75/GigaAM-v3-sherpa-onnx/resolve/main/gigaam_v3_e2e_ctc_int8.onnx
curl -L -o ~/.dsh/speech-to-text/gigaam/gigaam_v3_e2e_ctc_tokens.txt \
  https://huggingface.co/Smirnov75/GigaAM-v3-sherpa-onnx/resolve/main/gigaam_v3_e2e_ctc_tokens.txt

modelOrigins 默认先试 https://huggingface.co，再试 https://hf-mirror.com；两者可达时 UI 可选镜像。

配置项¶

在 profile patch 的 speech-to-text-gigaam 行（或插件设置 UI）中可调整：

示例：

- id: speech-to-text-gigaam
  config:
    dataRoot: !!js dshHomePath('speech-to-text', 'gigaam')
    threads: 2

典型用法¶

界面：安装 voice-input bundle 与本插件后，在 DSH Web 聊天 composer 按麦克风，说俄语，等待转写结果填入输入区。

无 UI 自检（在插件目录下，需本机已有 DSH 提供的 sherpa-onnx）：

cd dsh-gigaam-stt
node scripts/selftest.mjs
GIGAAM_SAMPLE=/path/to/speech.wav node scripts/selftest.mjs

脚本直接调用 worker.js；sherpa 从 DSH 安装解析，可用环境变量 GIGAAM_SHERPA_PATH 覆盖；模型路径为 ~/.dsh/speech-to-text/gigaam。

适用场景与注意¶

适合：需要在 DSH 对话里 离线、无 API Key 做 俄语 语音输入的开发者或用户；对 CPU 友好、模型体积约 320 MB 的场景。

不适合：中文或其他非俄语主场景（本插件仅俄语）；未安装 experimental voice-input bundle 的环境（无麦克风入口）。

若出现找不到 sherpa-onnx-node，README 建议在 DSH 进程环境中设置 GIGAAM_SHERPA_PATH 指向 sherpa-onnx.js 的绝对路径。

DSH 生态强调「一切皆插件」；社区目录 skillhub.cn 为独立站点，与 DeepSeek / 幻方无官方从属关系。

链接¶

• 目录页：https://www.skillhub.cn/plugins/OldSchool686/dsh-gigaam-stt
• 源码与完整说明：https://github.com/OldSchool686/dsh-gigaam-stt

经过上面的步骤，你可以在 DSH 聊天里用本地 GigaAM v3 完成俄语听写，并在 profile 中按需调节线程、分段与数字写法。