前言¶

在 DeepSeek Harness（DSH）裏做音視頻相關任務時，助手往往只能「建議你去裝 ffmpeg、自己跑命令」，無法穩定地讀容器信息、抽音軌或產出帶時間軸的字幕。若把 whisper.cpp 或 OpenAI 兼容轉寫 API 也接進同一套工具，對話裏一句「把這段錄音轉成 srt」就能落到可執行步驟。dsh-audio-tools 就是面向這類需求的社區插件：把探針、格式轉換/抽軌和語音轉寫封裝成三個工具，並附帶 skill 說明何時調用哪一個。

這是什麼¶

dsh-audio-tools（維護者 Ren-xing，GitHub：Ren-xing/dsh-audio-tools）是 DSH 下的模型推理類插件。官方簡介爲：用本機 ffmpeg 做 probe、轉換/抽取音軌，並用 whisper.cpp 或任意 OpenAI 兼容 API 做語音轉文字。

插件本身零 npm 依賴，不打包 ffmpeg，也不會在後臺替你下載 ffmpeg（本地 whisper 模型與二進制需按需運行安裝腳本）。源碼與問題反饋見 GitHub 倉庫；社區目錄頁見 SkillHub 插件頁。

同時註冊同名 skill（skills/dsh-audio/SKILL.md），用於提示模型在合適場景選用上述工具。

運行要求¶

安裝插件前，先滿足環境與外部依賴：

1. DeepSeek Harness 0.2.x（資料中實測 0.2.1-rc.2）；package.json 聲明 dsh ≥ 0.2.0。
2. Node.js ≥ 20（DSH 自帶 24，一般無需另裝）。
3. ffmpeg + ffprobe 必須在 PATH 中，或在配置裏顯式指定路徑；插件不自帶。

Windows 上安裝 ffmpeg 可任選資料中的一種方式，例如 winget：

winget install --id Gyan.FFmpeg -e

新開終端驗證：

ffmpeg -version
ffprobe -version

資料說明：不需要 GPU；本地轉寫默認走 CPU。若使用 CUDA 版 whisper，可自行替換配置中的 whisperPath。

安裝與啓用¶

DSH 桌面 profile 的插件需用應用自帶的 CLI 管理（普通 dsh 不能替代 desktop profile 的安裝流程）。推薦從本地 tgz 安裝（資料未提供 github:owner/repo 一鍵命令，請勿憑名稱拼接）：

$dsh = "C:\Users\<你>\Desktop\雜七雜八\deepseek\resources\runtime\cli\bin\dsh.cmd"
# 或默認： "$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"

該命令會更新 profile 的 dependencies、因包聲明 dsh.bundle 而寫入 dsh.profile.bundles，並校驗 cordis.patch.yml 可解析。也可在插件市場/管理界面安裝本地 tgz，效果相同。

完全退出 DeepSeek Harness（含托盤）後再啓動；啓動時 patch 會把 dsh-audio 條目寫入運行配置。確認方式：新建對話詢問「列出你有哪些 audio 工具」，應看到 audio_probe / audio_convert / audio_transcribe。

若工具未出現，檢查 %USERPROFILE%\.dsh\profiles\desktop\package.json 的 dsh.profile.bundles 是否包含 dsh-audio-tools，以及啓動日誌裏是否有 dsh-audio-tools 報錯。資料強調：不要通過改 profile 裏的 cordis.yml 快照來裝插件；用戶側配置覆蓋應寫在 cordis.patch.yml。

配置¶

所有配置鍵可選；類型或鍵名錯誤只會告警，不會阻止 profile 啓動。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

常用項（默認值以 README 爲準）：

僅當 backend: cli 時需要本地 whisper.cpp。在插件目錄執行安裝腳本（會下載 Windows 二進制與 ggml 模型）：

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

國內默認走 hf-mirror.com；要官方 Hugging Face 源可加 --mirror hf。中文日常使用 small 起步；追求準確率可用 medium。

典型用法¶

直接對助手用自然語言描述任務即可。README 中的示例包括：

• 查看某 mp4 的時長、碼率與音軌信息。
• 轉成指定碼率的 mp3，或從時間點起裁剪並做響度歸一化。
• 將錄音轉寫爲帶時間軸字幕並保存爲 srt，或轉寫後讓助手總結內容。

工具也可按 JSON 參數調用。探針示例：

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

audio_convert 必填 input；可選 format、output、bitrate、sampleRate、channels、start/duration、normalize、audioStream、overwrite 等（詳見 README 參數表）。

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

適用場景與注意¶

適合誰：已在 DSH desktop profile 下工作、本機或網關側有 ffmpeg，且需要把「看媒體信息 → 抽軌/轉碼 → 轉寫/出字幕」串在同一會話裏的開發者或內容處理流程。

安全與邊界（來自 README）：不打包 ffmpeg，缺失時會報錯並提示安裝方式；不原地覆蓋輸入文件，同路徑輸出需 overwrite: true 且先寫臨時文件再替換；外部命令通過參數數組調用，不拼 shell；超時默認 10 分鐘，到點終止子進程樹；API 密鑰僅存本地配置。

權限與信任：插件以當前 DSH 進程權限運行，可讀寫你指定的路徑並調用 ffmpeg/whisper 或配置的 API。安裝前應閱讀 源碼 與 MIT 許可證，自行評估是否納入環境。

平臺說明：資料中的安裝腳本、路徑示例與 whisper 二進制主要針對 Windows；Linux/macOS 用戶若使用插件，需自行保證 ffmpeg 在 PATH 或可配置路徑，本地 cli 轉寫需自備可用的 whisper 可執行文件與模型目錄。

中文路徑：Windows 版 whisper.cpp 對非 ASCII 路徑敏感；插件會在轉寫時使用英文臨時目錄並對模型做硬鏈接/複製。若仍失敗，可調整 TEMP 或改用 backend: "api"。

SkillHub 上的社區目錄與 DeepSeek / 幻方無官方從屬關係；DSH 生態強調「一切皆插件」，本插件是社區維護的擴展之一。

結尾¶

dsh-audio-tools 把 ffmpeg 側的探針與轉碼、以及 whisper.cpp 或 OpenAI 兼容 API 的轉寫，收斂爲三個可對話調用的工具，並零 npm 依賴、不捆綁 ffmpeg，適合在 DSH 裏做可復現的音視頻處理鏈路。

• 社區目錄：https://www.skillhub.cn/plugins/Ren-xing/dsh-audio-tools
• 源碼與文檔：https://github.com/Ren-xing/dsh-audio-tools