前言¶
DeepSeek Harness（DSH）內置的 Voice input 插件用 SenseVoiceSmall 做本地轉寫，語言覆蓋中文、英文、粵語、日語和韓語，不包含俄語。若你在 DSH 裏用麥克風口述俄語，默認鏈路無法可靠識別。社區維護者 almaziphone 發佈的 dsh-speech-to-text-ru 在 Host 側再註冊一個 speechToText 提供方，基於 Sber 的 GigaAM-v3（MIT）與 DSH 已自帶的 sherpa-onnx 原生運行時，在 CPU 上離線推理，音頻不離開本機。下面介紹它的定位、能力與安裝用法。
這是什麼¶
dsh-speech-to-text-ru 是 DSH 的 bundle 插件，分類屬於模型推理。它不改變 DSH 的語音 UI，而是在 speechToText 服務旁增加 gigaam-ru 提供方：默認模型爲 GigaAM-v3 e2e CTC INT8（含標點、大小寫與數字歸一化），並可選 Whisper 類回退引擎以擴展多語。包體約 30 KB，模型權重首次使用時從 Hugging Face（可回退 hf-mirror.com）下載並做 SHA-256 校驗；許可證爲 MIT，當前包版本 0.1.0（見倉庫 package.json）。
數據流可概括爲：麥克風 → DSH speechToText 服務（Host）→ 本 bundle 的 GigaAM-v3 CTC int8 worker（CPU）。
核心功能¶
README 中列出的能力如下，均可在本機完成，無需雲 API 或額外 Python 服務。
| 維度 | 說明 |
|---|---|
| 模型 | GigaAM-v3 e2e CTC INT8；參考俄語集 WER 3.0%（文檔稱 0 詞級錯誤，差異僅在逆文本歸一化） |
| 速度 | RTF 0.017（2 線程）；約 8.4 s 語句解碼約 0.17 s，加載約 0.36 s |
| 內存 | 峯值 RSS 約 564 MiB；空閒超過 idleTimeoutMs 後 worker 會停止 |
| 下載體量 | 模型約 319.9 MB + tokens 約 2 KB + Silero VAD 約 1.8 MB，按大小與 SHA-256 校驗 |
| 語言 | 原生 ru、auto；回退引擎可覆蓋 en 等更多語言 |
| 隱私 | Host 上 CPU 推理；音頻不出機器 |
| 平臺 | macOS arm64/x64、Linux x64/arm64、Windows x64（與 DSH Desktop 支持範圍一致） |
依賴 DSH Desktop ≥ 0.2.1-rc.5（或由 dsh-base + dsh-web-app 組成的 CLI/Web profile）。磁盤約需 330 MB 模型緩存，識別器加載時約 0.6 GB RAM。首次準備模型需要網絡；完全離線機器可預置緩存目錄（見下文）。
安裝與啓用¶
順序很重要：須先啓用內置 Voice input，再安裝本 bundle。DSH 按 dsh.profile.bundles 順序應用 patch，俄語 bundle 須排在 voice-input 之後 才能成爲默認識別器。官方推薦的一鍵腳本會備份 profile、啓用 Voice input、安裝 bundle 並在 patch 中固定 defaultProvider: gigaam-ru 與 language: ru。
一鍵安裝（推薦）¶
bash -c "$(curl -fsSL https://raw.githubusercontent.com/almaziphone/dsh-speech-to-text-ru/main/scripts/install.sh)" install.sh
腳本使用 DSH Desktop 自帶的 dsh CLI，通過 dsh plugin add 拉取固定版本 sherpa-onnx-node@1.13.8（按平臺）。
手動安裝¶
- 在 DSH Plugins 中打開 Voice input（麥克風 UI、
speechToText服務與設置）。 - 添加 bundle（macOS 上
dsh常見路徑爲/Applications/DeepSeek Harness.app/Contents/Resources/runtime/cli/bin/dsh，可加入PATH或寫全路徑）：
dsh plugin --profile desktop add github:almaziphone/dsh-speech-to-text-ru
- 刷新應用窗口（
Cmd+R/Ctrl+R）。打開 Settings → Voice input：識別器應爲 GigaAM-v3 · RU (int8)，語言 ru。若順序反了，在設置裏手動選一次，DSH 會按 profile 持久化。
其他來源（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
安裝後可在語音設置中使用 Download and prepare，或直接點麥克風：緩存完整後 provider 會喚醒 worker 並加載模型（約 0.4 s）。
離線準備¶
首次準備會將固定資源下載到 ~/.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
可將已準備機器上的該目錄複製到目標機同路徑（使用前仍會校驗 SHA-256），或在 profile patch 中通過 modelDirectory / vadModelPath 指向已有文件；禁止公網下載時可配置 modelOrigin 指向內網 Hugging Face 兼容鏡像（詳見倉庫 Configuration 一節）。
典型用法¶
- 在消息輸入框點麥克風，用俄語口述，點 Stop。
- 轉寫文本寫入草稿，帶標點、大小寫與歸一化數字（如
в 15:30、9:00），可再編輯或發送。 - 隨時在 Settings → Voice input 切換識別器或語言；選擇由 DSH Settings 服務按 profile 保存。
適用場景與注意¶
適合：在 DSH Desktop 或兼容 profile 下，需要本地、離線、CPU 俄語語音輸入的開發者或用戶；對數據不出本機有明確要求時，與內置 SenseVoice 形成互補。
注意：
- 插件以當前 dsh 進程權限在 Host 運行；安裝前請閱讀 GitHub 倉庫 源碼與 MIT 許可證，自行評估信任邊界。
- 社區插件目錄 SkillHub 條目 爲獨立生態站點，與 DeepSeek / 幻方無官方從屬關係；安裝命令與版本以倉庫 README 爲準。
- 模型首次下載需網絡；磁盤與內存需滿足上文要求。
結尾¶
dsh-speech-to-text-ru 在 DSH「一切皆插件」的語音鏈路上，爲俄語補了一條與 SenseVoice 並列的離線識別路徑：GigaAM-v3 INT8、sherpa-onnx、本機 CPU。若你的場景是 Harness 裏用麥克風說俄語，可按官方順序安裝 bundle 並準備模型緩存。
- 目錄頁：https://www.skillhub.cn/plugins/almaziphone/dsh-speech-to-text-ru
- 源碼與文檔：https://github.com/almaziphone/dsh-speech-to-text-ru
