前言¶
在 DeepSeek Harness（DSH）裏做語音輸入時，常見做法是走雲端 STT：音頻要出本機，延遲和隱私都受服務商約束。若你主要說俄語、又希望標點與大小寫一併處理好，還需要在 DSH 側掛一個「只在本機推理、不往外出音頻和文本」的 provider。下面介紹社區插件 dsh-speech-to-text-gigaam（維護者 kelvmg）：它把 Sber 的 GigaAM v3 E2E RNNT 接到 DSH 實驗性語音輸入 bundle 上，識別在主機本地完成。
這是什麼¶
dsh-speech-to-text-gigaam 是 DSH 的語音識別 provider，基於 Sber GigaAM 的 v3 E2E RNNT 模型，面向 俄語；輸出帶標點與大小寫。插件當前版本 0.4.0（MIT），倉庫：https://github.com/kelvmg/dsh-speech-to-text-gigaam。在 SkillHub 目錄中歸類爲 模型推理。
核心功能¶
- 本地識別：錄音在本機轉寫，臨時 WAV/ transcript 用完後刪除；README 明確說明不上傳音頻、文本或遙測。
- 與 DSH 語音準備流程對齊：啓用後仍走現有的
check → model → verify → load契約；激活階段只檢查本地資源，不會在後臺偷偷拉安裝包。 - 一鍵準備運行時（0.4.0）：在支持的平臺上，通過界面 Download and prepare 可安裝私有 Python 3.11.14、PyTorch/torchaudio 2.8.0、鎖文件依賴、GigaAM 源碼（固定 commit）以及經
imageio-ffmpeg提供的 ffmpeg，無需系統 Python、Homebrew、git 或單獨裝 ffmpeg。 - 引導模型：默認下載並校驗 Sber CDN 上的
v3_e2e_rnnt.ckpt與 tokenizer；語音設置裏的來源選擇器 僅作用於模型文件，不影響運行時依賴下載源。 - 完整性：運行時歸檔、源碼與帶 hash 的 Python 包有固定校驗；模型側校驗 checkpoint MD5 與 tokenizer SHA-256。
安裝與啓用¶
依賴：DSH 需帶 @deepseek-ai/dsh-experimental-voice-input-bundle，Node 20.3+（由 DSH 宿主提供）。建議預留約 4 GB 磁盤、約 2 GB 內存；首次準備通常 3–20 分鐘（視網絡與機器而定）。
官方 README 給出的安裝步驟如下（無需終端）：
- 在 DSH 中打開 Plugins → Add plugin，安裝下列地址並啓用 bundle：
https://github.com/kelvmg/dsh-speech-to-text-gigaam
- 打開語音設置，選擇 GigaAM v3 · Russian (punctuation)，語言選
ru或auto。 - 點擊 Download and prepare，在現有語音準備卡片中查看進度；支持取消與重試。
- 準備完成後即可開始聽寫。
平臺說明（以 README 爲準）：0.4.0 的自動安裝僅支持 macOS Apple Silicon（arm64，macOS 13+）。其他平臺會在下載前給出明確失敗說明；高級用戶可爲已配齊依賴的解釋器設置絕對路徑 pythonPath。Intel Mac 不受自動安裝支持（官方 PyTorch 與當前 GigaAM NumPy 要求衝突）。
數據與模型默認落在：
~/.dsh/speech-to-text/gigaam/runtime/ # 安裝器、私有 Python、venv、緩存與就緒標記
~/.dsh/speech-to-text/gigaam/models/ # checkpoint 與 tokenizer
從 0.3 升級：已有 models/ 可複用；舊的手動 venv/ 不會被刪，默認 venv 改爲 runtime/venv/，更新插件後需再點一次 Download and prepare。若要堅持自管解釋器，顯式設置 pythonPath 爲其絕對路徑。
典型用法¶
日常用法就是：安裝並啓用 bundle → 選好 GigaAM v3 · Russian (punctuation) → Download and prepare → 聽寫。插件以當前 DSH 進程權限運行；安裝前宜自行查看倉庫源碼與 MIT 許可證（GigaAM 爲 SberDevices MIT；uv、PyTorch、ffmpeg 等保留各自上游許可）。
準備階段會訪問 GitHub（uv、固定 standalone Python、GigaAM 源碼）、pypi.org / files.pythonhosted.org 以及 Sber 模型 CDN cdn.chatwm.opensmodel.sberdevices.ru；不會修改系統 Python、shell 配置或全局 PATH。出錯時診斷寫入系統臨時目錄下的 dsh-gigaam-stt.log。
高級配置在 Cordis 項 speech-to-text-gigaam 上（默認值見倉庫 cordis.patch.yml），例如：
| 配置項 | 含義摘要 |
|---|---|
dataRoot |
默認 ~/.dsh/speech-to-text/gigaam |
pythonPath |
默認 dataRoot/runtime/venv/bin/python；顯式路徑則禁用託管安裝 |
model |
默認 v3_e2e_rnnt |
device |
默認 cpu；auto 可能選 MPS；README 寫明僅 CPU 做過 smoke test |
maxChunkSeconds |
默認 20，限制在 3…24.5 |
開發者可在克隆後的倉庫裏用 Node 做無模型迴歸或冒煙（README 摘錄）：
npm ci
npm test
npm run setup:runtime
npm run test:smoke
適用場景與注意¶
- 適合：在 DSH 裏以俄語做本地聽寫、希望標點/大小寫一併輸出、且能接受首次準備時的下載與磁盤佔用；在 Apple Silicon Mac 上希望儘量少碰系統 Python 的用戶。
- 不適合或需自備環境：非 arm64 macOS 自動一鍵準備不可用；Intel Mac 需自行解決 PyTorch/NumPy 與 GigaAM 的兼容後再用
pythonPath。 - 安全與信任：插件會從上述網絡地址拉取二進制與模型；雖有多處 hash/大小校驗，仍應在組織策略允許的前提下安裝，並理解其以 DSH 進程權限讀寫
~/.dsh/speech-to-text/gigaam與臨時音頻文件。
結尾¶
dsh-speech-to-text-gigaam 把 GigaAM 俄語 E2E 識別接到 DSH 語音輸入鏈路上，強調本地隱私與可重複的 preparation 流程；在支持的 Mac 上可用界面完成環境與模型準備。目錄頁：https://www.skillhub.cn/plugins/kelvmg/dsh-speech-to-text-gigaam；源碼與完整配置說明：https://github.com/kelvmg/dsh-speech-to-text-gigaam。
