前言¶
在 DeepSeek Harness（DSH）里做语音输入时，常见做法是走云端 STT：音频要出本机，延迟和隐私都受服务商约束。若你主要说俄语、又希望标点与大小写一并处理好，还需要在 DSH 侧挂一个「只在本机推理、不往外出音频和文本」的 provider。下面介绍社区插件 dsh-speech-to-text-gigaam（维护者 kelvmg）：它把 Sber 的 GigaAM v3 E2E RNNT 接到 DSH 实验性语音输入 bundle 上，识别在主机本地完成。
这是什么¶
dsh-speech-to-text-gigaam 是 DSH 的语音识别 provider，基于 Sber GigaAM 的 v3 E2E RNNT 模型，面向 俄语；输出带标点与大小写。插件当前版本 0.4.0（MIT），仓库：https://github.com/kelvmg/dsh-speech-to-text-gigaam。在 SkillHub 目录中归类为 模型推理。
核心功能¶
- 本地识别：录音在本机转写，临时 WAV/ transcript 用完后删除；README 明确说明不上传音频、文本或遥测。
- 与 DSH 语音准备流程对齐：启用后仍走现有的
check → model → verify → load契约；激活阶段只检查本地资源，不会在后台偷偷拉安装包。 - 一键准备运行时（0.4.0）：在支持的平台上，通过界面 Download and prepare 可安装私有 Python 3.11.14、PyTorch/torchaudio 2.8.0、锁文件依赖、GigaAM 源码（固定 commit）以及经
imageio-ffmpeg提供的 ffmpeg，无需系统 Python、Homebrew、git 或单独装 ffmpeg。 - 引导模型：默认下载并校验 Sber CDN 上的
v3_e2e_rnnt.ckpt与 tokenizer；语音设置里的来源选择器 仅作用于模型文件，不影响运行时依赖下载源。 - 完整性：运行时归档、源码与带 hash 的 Python 包有固定校验；模型侧校验 checkpoint MD5 与 tokenizer SHA-256。
安装与启用¶
依赖：DSH 需带 @deepseek-ai/dsh-experimental-voice-input-bundle，Node 20.3+（由 DSH 宿主提供）。建议预留约 4 GB 磁盘、约 2 GB 内存；首次准备通常 3–20 分钟（视网络与机器而定）。
官方 README 给出的安装步骤如下（无需终端）：
- 在 DSH 中打开 Plugins → Add plugin，安装下列地址并启用 bundle：
https://github.com/kelvmg/dsh-speech-to-text-gigaam
- 打开语音设置，选择 GigaAM v3 · Russian (punctuation)，语言选
ru或auto。 - 点击 Download and prepare，在现有语音准备卡片中查看进度；支持取消与重试。
- 准备完成后即可开始听写。
平台说明（以 README 为准）：0.4.0 的自动安装仅支持 macOS Apple Silicon（arm64，macOS 13+）。其他平台会在下载前给出明确失败说明；高级用户可为已配齐依赖的解释器设置绝对路径 pythonPath。Intel Mac 不受自动安装支持（官方 PyTorch 与当前 GigaAM NumPy 要求冲突）。
数据与模型默认落在：
~/.dsh/speech-to-text/gigaam/runtime/ # 安装器、私有 Python、venv、缓存与就绪标记
~/.dsh/speech-to-text/gigaam/models/ # checkpoint 与 tokenizer
从 0.3 升级：已有 models/ 可复用；旧的手动 venv/ 不会被删，默认 venv 改为 runtime/venv/，更新插件后需再点一次 Download and prepare。若要坚持自管解释器，显式设置 pythonPath 为其绝对路径。
典型用法¶
日常用法就是：安装并启用 bundle → 选好 GigaAM v3 · Russian (punctuation) → Download and prepare → 听写。插件以当前 DSH 进程权限运行；安装前宜自行查看仓库源码与 MIT 许可证（GigaAM 为 SberDevices MIT；uv、PyTorch、ffmpeg 等保留各自上游许可）。
准备阶段会访问 GitHub（uv、固定 standalone Python、GigaAM 源码）、pypi.org / files.pythonhosted.org 以及 Sber 模型 CDN cdn.chatwm.opensmodel.sberdevices.ru；不会修改系统 Python、shell 配置或全局 PATH。出错时诊断写入系统临时目录下的 dsh-gigaam-stt.log。
高级配置在 Cordis 项 speech-to-text-gigaam 上（默认值见仓库 cordis.patch.yml），例如：
| 配置项 | 含义摘要 |
|---|---|
dataRoot |
默认 ~/.dsh/speech-to-text/gigaam |
pythonPath |
默认 dataRoot/runtime/venv/bin/python；显式路径则禁用托管安装 |
model |
默认 v3_e2e_rnnt |
device |
默认 cpu；auto 可能选 MPS；README 写明仅 CPU 做过 smoke test |
maxChunkSeconds |
默认 20，限制在 3…24.5 |
开发者可在克隆后的仓库里用 Node 做无模型回归或冒烟（README 摘录）：
npm ci
npm test
npm run setup:runtime
npm run test:smoke
适用场景与注意¶
- 适合：在 DSH 里以俄语做本地听写、希望标点/大小写一并输出、且能接受首次准备时的下载与磁盘占用；在 Apple Silicon Mac 上希望尽量少碰系统 Python 的用户。
- 不适合或需自备环境：非 arm64 macOS 自动一键准备不可用；Intel Mac 需自行解决 PyTorch/NumPy 与 GigaAM 的兼容后再用
pythonPath。 - 安全与信任：插件会从上述网络地址拉取二进制与模型；虽有多处 hash/大小校验，仍应在组织策略允许的前提下安装，并理解其以 DSH 进程权限读写
~/.dsh/speech-to-text/gigaam与临时音频文件。
结尾¶
dsh-speech-to-text-gigaam 把 GigaAM 俄语 E2E 识别接到 DSH 语音输入链路上，强调本地隐私与可重复的 preparation 流程；在支持的 Mac 上可用界面完成环境与模型准备。目录页：https://www.skillhub.cn/plugins/kelvmg/dsh-speech-to-text-gigaam；源码与完整配置说明：https://github.com/kelvmg/dsh-speech-to-text-gigaam。
