前言¶

在 DeepSeek Harness（DSH）里处理会议录音、访谈或语音备忘时，模型本身读不了二进制音频，常见做法是本地先跑 ASR，再把文本贴进对话。长文件还要自己切分、对接上传与异步任务，步骤多且容易和会话上下文脱节。dsh-qwen-asr 把千问官方 DashScope 的异步 filetrans 与同步内联 ASR 接到 DSH：上传附件可自动转写并注入本轮提示，同时保留 qwen_transcribe_audio 工具以便拿到原始 API JSON。下面介绍插件定位、能力与安装配置方式。

这是什么¶

dsh-qwen-asr 是社区维护的 DSH 插件（维护者 wsdfgf，GitHub 仓库 wsdfgf/dsh-qwen-asr，在 SkillHub 目录分类为「模型推理」）。它解决两类问题：聊天里上传音频后，Host 在模型收到消息前完成转写并把文本追加在附件句柄之后；需要调试或留存完整响应时，通过工具返回识别原文与千问接口的原始 JSON（长结果会截断，避免刷爆上下文）。

默认走异步长音频模型 qwen3-asr-flash-filetrans：本地文件经百炼临时存储上传（oss:// 临时 URL）→ 提交异步任务 → 轮询 → 下载识别结果。单文件上限 1 GB（临时存储上传上限；资料说明模型侧支持更大时长，插件侧以配置与百炼限制为准），一般不必再在本地切分。

核心功能¶

上传自动转写

支持 .mp3、.wav、.m4a、.aac、.ogg、.flac、.amr、.webm 等常见扩展名（可通过配置 audioExtensions 调整集合）。转写失败时会在上下文中追加失败说明，不阻断对话；模型可据此如实说明。

两种 API 模式

• api=filetrans（默认）：异步 filetrans，适合长录音。
• api=sync：同步内联，适合 ≤10 MB / ≤5 分钟的短语音；同步模型默认 qwen3-asr-flash。

工具 qwen_transcribe_audio

返回 text（识别原文）与 raw（提交响应、任务查询、识别结果等 JSON）。自动注入路径默认只给转写文本；若需附带原始 JSON，可设 injectRawOutput=true（仍会截断）。

安装与启用¶

插件当前版本为 1.2.0（MIT 许可证，运行环境要求 Node.js ≥20）。安装方式以仓库 README 为准：

1. 从 Releases 下载 dsh-qwen-asr-1.2.0.tgz。
2. 在 DSH 侧边栏「插件」页面使用「添加插件」，选择该 tarball 或解压后的本地目录完成安装。
3. 首次安装或从旧版升级后刷新页面（Ctrl+R / F5）；升级后还需重启 DSH，新的客户端配置页才会加载。

配置 API Key 二选一：

• 系统环境变量 DASHSCOPE_API_KEY（兼容 QWEN_API_KEY），设置后重启 DSH。
• 插件页 → 已安装插件 →「千问语音转文字」→ bundle 详情中 qwen-asr 行的「配置」（标识 dsh-qwen-asr#qwen-asr），表单保存后立即生效。

常用配置项默认值如下（完整列表见仓库 README）：

典型用法¶

1. 在插件页填写 DashScope API Key 并保存，或配置环境变量后重启 DSH。
2. 在聊天中上传音频并提问，例如「把这段录音的要点列出来」。插件先完成异步转写（大文件可能需一两分钟），模型基于转写文本回答。
3. 需要原始模型输出时，让模型对某个音频路径调用 qwen_transcribe_audio；工具结果包含 Transcript 与 Raw Qwen API output 两段。

适用场景与注意¶

适合谁

• 已在 DSH 里做智能体或日常对话，希望「上传即转写、转写即进上下文」的开发者。
• 需要切换长录音异步与短语音同步、或要保留 DashScope 原始 JSON 做二次处理的场景。

限制与运维

• 百炼临时存储：文件与上传时指定模型绑定，有效期 48 小时，上传接口上限 1 GB；凭证接口 100 QPS，资料说明仅适合非生产。生产环境建议文件放 OSS 并使用公网 URL。
• 异步任务有排队与处理耗时，默认最多等待 taskTimeoutMs（15 分钟）。
• 自动转写文本主要进入当次模型请求；长期保留原文宜走工具（工具结果会持久化）。

安全

DSH 插件在宿主进程权限下运行，安装前请阅读仓库源码与 MIT 许可证，自行评估 API Key 与音频数据的暴露范围。SkillHub 目录（dsh-qwen-asr 目录页）为社区索引，与 DeepSeek / 幻方无官方从属关系。

结尾¶

dsh-qwen-asr 把千问 DashScope 的长音频 filetrans 与短音频 sync ASR 封装进 DSH 的上传链路与工具面，减少本地切分与手工贴文本的步骤，同时可选保留原始 API 输出。进一步了解实现与配置见 GitHub 仓库，安装包见 Releases。