前言¶

在 DeepSeek Harness（DSH）里做音视频相关任务时，助手往往只能「建议你去装 ffmpeg、自己跑命令」，无法稳定地读容器信息、抽音轨或产出带时间轴的字幕。若把 whisper.cpp 或 OpenAI 兼容转写 API 也接进同一套工具，对话里一句「把这段录音转成 srt」就能落到可执行步骤。dsh-audio-tools 就是面向这类需求的社区插件：把探针、格式转换/抽轨和语音转写封装成三个工具，并附带 skill 说明何时调用哪一个。

这是什么¶

dsh-audio-tools（维护者 Ren-xing，GitHub：Ren-xing/dsh-audio-tools）是 DSH 下的模型推理类插件。官方简介为：用本机 ffmpeg 做 probe、转换/抽取音轨，并用 whisper.cpp 或任意 OpenAI 兼容 API 做语音转文字。

插件本身零 npm 依赖，不打包 ffmpeg，也不会在后台替你下载 ffmpeg（本地 whisper 模型与二进制需按需运行安装脚本）。源码与问题反馈见 GitHub 仓库；社区目录页见 SkillHub 插件页。

同时注册同名 skill（skills/dsh-audio/SKILL.md），用于提示模型在合适场景选用上述工具。

运行要求¶

安装插件前，先满足环境与外部依赖：

1. DeepSeek Harness 0.2.x（资料中实测 0.2.1-rc.2）；package.json 声明 dsh ≥ 0.2.0。
2. Node.js ≥ 20（DSH 自带 24，一般无需另装）。
3. ffmpeg + ffprobe 必须在 PATH 中，或在配置里显式指定路径；插件不自带。

Windows 上安装 ffmpeg 可任选资料中的一种方式，例如 winget：

winget install --id Gyan.FFmpeg -e

新开终端验证：

ffmpeg -version
ffprobe -version

资料说明：不需要 GPU；本地转写默认走 CPU。若使用 CUDA 版 whisper，可自行替换配置中的 whisperPath。

安装与启用¶

DSH 桌面 profile 的插件需用应用自带的 CLI 管理（普通 dsh 不能替代 desktop profile 的安装流程）。推荐从本地 tgz 安装（资料未提供 github:owner/repo 一键命令，请勿凭名称拼接）：

$dsh = "C:\Users\<你>\Desktop\杂七杂八\deepseek\resources\runtime\cli\bin\dsh.cmd"
# 或默认： "$env:LOCALAPPDATA\Programs\DeepSeek Harness\resources\runtime\cli\bin\dsh.cmd"

& $dsh plugin --profile desktop add "C:\path\to\dsh-audio-tools-0.1.0.tgz"

该命令会更新 profile 的 dependencies、因包声明 dsh.bundle 而写入 dsh.profile.bundles，并校验 cordis.patch.yml 可解析。也可在插件市场/管理界面安装本地 tgz，效果相同。

完全退出 DeepSeek Harness（含托盘）后再启动；启动时 patch 会把 dsh-audio 条目写入运行配置。确认方式：新建对话询问「列出你有哪些 audio 工具」，应看到 audio_probe / audio_convert / audio_transcribe。

若工具未出现，检查 %USERPROFILE%\.dsh\profiles\desktop\package.json 的 dsh.profile.bundles 是否包含 dsh-audio-tools，以及启动日志里是否有 dsh-audio-tools 报错。资料强调：不要通过改 profile 里的 cordis.yml 快照来装插件；用户侧配置覆盖应写在 cordis.patch.yml。

配置¶

所有配置键可选；类型或键名错误只会告警，不会阻止 profile 启动。在 profile 的 cordis.patch.yml 中用 id dsh-audio 定位，例如：

- id: dsh-audio
  config:
    ffmpegPath: 'D:\tools\ffmpeg\bin\ffmpeg.exe'
    ffprobePath: 'D:\tools\ffmpeg\bin\ffprobe.exe'
    modelDir: 'D:\models\whisper'
    defaultModel: 'small'
    language: 'zh'
    backend: 'cli'
    timeoutMs: 900000

常用项（默认值以 README 为准）：

仅当 backend: cli 时需要本地 whisper.cpp。在插件目录执行安装脚本（会下载 Windows 二进制与 ggml 模型）：

cd "$env:USERPROFILE\.dsh\profiles\desktop\node_modules\dsh-audio-tools"
node scripts\setup-whisper.mjs --model small

国内默认走 hf-mirror.com；要官方 Hugging Face 源可加 --mirror hf。中文日常使用 small 起步；追求准确率可用 medium。

典型用法¶

直接对助手用自然语言描述任务即可。README 中的示例包括：

• 查看某 mp4 的时长、码率与音轨信息。
• 转成指定码率的 mp3，或从时间点起裁剪并做响度归一化。
• 将录音转写为带时间轴字幕并保存为 srt，或转写后让助手总结内容。

工具也可按 JSON 参数调用。探针示例：

{ "path": "D:/media/lecture.mp4" }

audio_convert 必填 input；可选 format、output、bitrate、sampleRate、channels、start/duration、normalize、audioStream、overwrite 等（详见 README 参数表）。

audio_transcribe 必填 input；可选 language、model、backend、prompt（仅 cli）、srt、output 等。

适用场景与注意¶

适合谁：已在 DSH desktop profile 下工作、本机或网关侧有 ffmpeg，且需要把「看媒体信息 → 抽轨/转码 → 转写/出字幕」串在同一会话里的开发者或内容处理流程。

安全与边界（来自 README）：不打包 ffmpeg，缺失时会报错并提示安装方式；不原地覆盖输入文件，同路径输出需 overwrite: true 且先写临时文件再替换；外部命令通过参数数组调用，不拼 shell；超时默认 10 分钟，到点终止子进程树；API 密钥仅存本地配置。

权限与信任：插件以当前 DSH 进程权限运行，可读写你指定的路径并调用 ffmpeg/whisper 或配置的 API。安装前应阅读 源码 与 MIT 许可证，自行评估是否纳入环境。

平台说明：资料中的安装脚本、路径示例与 whisper 二进制主要针对 Windows；Linux/macOS 用户若使用插件，需自行保证 ffmpeg 在 PATH 或可配置路径，本地 cli 转写需自备可用的 whisper 可执行文件与模型目录。

中文路径：Windows 版 whisper.cpp 对非 ASCII 路径敏感；插件会在转写时使用英文临时目录并对模型做硬链接/复制。若仍失败，可调整 TEMP 或改用 backend: "api"。

SkillHub 上的社区目录与 DeepSeek / 幻方无官方从属关系；DSH 生态强调「一切皆插件」，本插件是社区维护的扩展之一。

结尾¶

dsh-audio-tools 把 ffmpeg 侧的探针与转码、以及 whisper.cpp 或 OpenAI 兼容 API 的转写，收敛为三个可对话调用的工具，并零 npm 依赖、不捆绑 ffmpeg，适合在 DSH 里做可复现的音视频处理链路。

• 社区目录：https://www.skillhub.cn/plugins/Ren-xing/dsh-audio-tools
• 源码与文档：https://github.com/Ren-xing/dsh-audio-tools