前言¶
DeepSeek Harness（DSH）内置的 Voice input 插件用 SenseVoiceSmall 做本地转写，语言覆盖中文、英文、粤语、日语和韩语，不包含俄语。若你在 DSH 里用麦克风口述俄语，默认链路无法可靠识别。社区维护者 almaziphone 发布的 dsh-speech-to-text-ru 在 Host 侧再注册一个 speechToText 提供方，基于 Sber 的 GigaAM-v3（MIT）与 DSH 已自带的 sherpa-onnx 原生运行时，在 CPU 上离线推理，音频不离开本机。下面介绍它的定位、能力与安装用法。
这是什么¶
dsh-speech-to-text-ru 是 DSH 的 bundle 插件，分类属于模型推理。它不改变 DSH 的语音 UI，而是在 speechToText 服务旁增加 gigaam-ru 提供方：默认模型为 GigaAM-v3 e2e CTC INT8（含标点、大小写与数字归一化），并可选 Whisper 类回退引擎以扩展多语。包体约 30 KB，模型权重首次使用时从 Hugging Face（可回退 hf-mirror.com）下载并做 SHA-256 校验；许可证为 MIT，当前包版本 0.1.0（见仓库 package.json）。
数据流可概括为：麦克风 → DSH speechToText 服务（Host）→ 本 bundle 的 GigaAM-v3 CTC int8 worker（CPU）。
核心功能¶
README 中列出的能力如下，均可在本机完成，无需云 API 或额外 Python 服务。
| 维度 | 说明 |
|---|---|
| 模型 | GigaAM-v3 e2e CTC INT8；参考俄语集 WER 3.0%（文档称 0 词级错误，差异仅在逆文本归一化） |
| 速度 | RTF 0.017（2 线程）；约 8.4 s 语句解码约 0.17 s，加载约 0.36 s |
| 内存 | 峰值 RSS 约 564 MiB；空闲超过 idleTimeoutMs 后 worker 会停止 |
| 下载体量 | 模型约 319.9 MB + tokens 约 2 KB + Silero VAD 约 1.8 MB，按大小与 SHA-256 校验 |
| 语言 | 原生 ru、auto；回退引擎可覆盖 en 等更多语言 |
| 隐私 | Host 上 CPU 推理；音频不出机器 |
| 平台 | macOS arm64/x64、Linux x64/arm64、Windows x64（与 DSH Desktop 支持范围一致） |
依赖 DSH Desktop ≥ 0.2.1-rc.5（或由 dsh-base + dsh-web-app 组成的 CLI/Web profile）。磁盘约需 330 MB 模型缓存，识别器加载时约 0.6 GB RAM。首次准备模型需要网络；完全离线机器可预置缓存目录（见下文）。
安装与启用¶
顺序很重要：须先启用内置 Voice input，再安装本 bundle。DSH 按 dsh.profile.bundles 顺序应用 patch，俄语 bundle 须排在 voice-input 之后 才能成为默认识别器。官方推荐的一键脚本会备份 profile、启用 Voice input、安装 bundle 并在 patch 中固定 defaultProvider: gigaam-ru 与 language: ru。
一键安装（推荐）¶
bash -c "$(curl -fsSL https://raw.githubusercontent.com/almaziphone/dsh-speech-to-text-ru/main/scripts/install.sh)" install.sh
脚本使用 DSH Desktop 自带的 dsh CLI，通过 dsh plugin add 拉取固定版本 sherpa-onnx-node@1.13.8（按平台）。
手动安装¶
- 在 DSH Plugins 中打开 Voice input（麦克风 UI、
speechToText服务与设置）。 - 添加 bundle（macOS 上
dsh常见路径为/Applications/DeepSeek Harness.app/Contents/Resources/runtime/cli/bin/dsh，可加入PATH或写全路径）：
dsh plugin --profile desktop add github:almaziphone/dsh-speech-to-text-ru
- 刷新应用窗口（
Cmd+R/Ctrl+R）。打开 Settings → Voice input：识别器应为 GigaAM-v3 · RU (int8)，语言 ru。若顺序反了，在设置里手动选一次，DSH 会按 profile 持久化。
其他来源（README 原文）：
dsh plugin --profile desktop add ./dsh-speech-to-text-ru-0.1.0.tgz
dsh plugin --profile desktop add dsh-speech-to-text-ru
dsh plugin --profile desktop add /path/to/cloned/checkout
安装后可在语音设置中使用 Download and prepare，或直接点麦克风：缓存完整后 provider 会唤醒 worker 并加载模型（约 0.4 s）。
离线准备¶
首次准备会将固定资源下载到 ~/.dsh/speech-to-text/gigaam-ru/，例如：
~/.dsh/speech-to-text/gigaam-ru/models/gigaam-v3/model.onnx 319 869 121 B
~/.dsh/speech-to-text/gigaam-ru/models/gigaam-v3/tokens.txt 2 006 B
~/.dsh/speech-to-text/gigaam-ru/models/silero/silero_vad.onnx 1 807 522 B
可将已准备机器上的该目录复制到目标机同路径（使用前仍会校验 SHA-256），或在 profile patch 中通过 modelDirectory / vadModelPath 指向已有文件；禁止公网下载时可配置 modelOrigin 指向内网 Hugging Face 兼容镜像（详见仓库 Configuration 一节）。
典型用法¶
- 在消息输入框点麦克风，用俄语口述，点 Stop。
- 转写文本写入草稿，带标点、大小写与归一化数字（如
в 15:30、9:00），可再编辑或发送。 - 随时在 Settings → Voice input 切换识别器或语言；选择由 DSH Settings 服务按 profile 保存。
适用场景与注意¶
适合：在 DSH Desktop 或兼容 profile 下，需要本地、离线、CPU 俄语语音输入的开发者或用户；对数据不出本机有明确要求时，与内置 SenseVoice 形成互补。
注意：
- 插件以当前 dsh 进程权限在 Host 运行；安装前请阅读 GitHub 仓库 源码与 MIT 许可证，自行评估信任边界。
- 社区插件目录 SkillHub 条目 为独立生态站点，与 DeepSeek / 幻方无官方从属关系；安装命令与版本以仓库 README 为准。
- 模型首次下载需网络；磁盘与内存需满足上文要求。
结尾¶
dsh-speech-to-text-ru 在 DSH「一切皆插件」的语音链路上，为俄语补了一条与 SenseVoice 并列的离线识别路径：GigaAM-v3 INT8、sherpa-onnx、本机 CPU。若你的场景是 Harness 里用麦克风说俄语，可按官方顺序安装 bundle 并准备模型缓存。
- 目录页：https://www.skillhub.cn/plugins/almaziphone/dsh-speech-to-text-ru
- 源码与文档：https://github.com/almaziphone/dsh-speech-to-text-ru
