前言¶
在 DeepSeek Harness（DSH）裏處理會議錄音、訪談或語音備忘時，模型本身讀不了二進制音頻，常見做法是本地先跑 ASR，再把文本貼進對話。長文件還要自己切分、對接上傳與異步任務，步驟多且容易和會話上下文脫節。dsh-qwen-asr 把千問官方 DashScope 的異步 filetrans 與同步內聯 ASR 接到 DSH：上傳附件可自動轉寫並注入本輪提示，同時保留 qwen_transcribe_audio 工具以便拿到原始 API JSON。下面介紹插件定位、能力與安裝配置方式。
這是什麼¶
dsh-qwen-asr 是社區維護的 DSH 插件（維護者 wsdfgf，GitHub 倉庫 wsdfgf/dsh-qwen-asr，在 SkillHub 目錄分類爲「模型推理」）。它解決兩類問題：聊天裏上傳音頻後，Host 在模型收到消息前完成轉寫並把文本追加在附件句柄之後；需要調試或留存完整響應時，通過工具返回識別原文與千問接口的原始 JSON（長結果會截斷，避免刷爆上下文）。
默認走異步長音頻模型 qwen3-asr-flash-filetrans：本地文件經百鍊臨時存儲上傳（oss:// 臨時 URL）→ 提交異步任務 → 輪詢 → 下載識別結果。單文件上限 1 GB（臨時存儲上傳上限；資料說明模型側支持更大時長，插件側以配置與百鍊限制爲準），一般不必再在本地切分。
核心功能¶
上傳自動轉寫
支持 .mp3、.wav、.m4a、.aac、.ogg、.flac、.amr、.webm 等常見擴展名（可通過配置 audioExtensions 調整集合）。轉寫失敗時會在上下文中追加失敗說明，不阻斷對話；模型可據此如實說明。
兩種 API 模式
api=filetrans（默認）：異步 filetrans，適合長錄音。api=sync：同步內聯，適合 ≤10 MB / ≤5 分鐘的短語音；同步模型默認qwen3-asr-flash。
工具 qwen_transcribe_audio
返回 text（識別原文）與 raw（提交響應、任務查詢、識別結果等 JSON）。自動注入路徑默認只給轉寫文本；若需附帶原始 JSON，可設 injectRawOutput=true（仍會截斷）。
安裝與啓用¶
插件當前版本爲 1.2.0（MIT 許可證，運行環境要求 Node.js ≥20）。安裝方式以倉庫 README 爲準：
- 從 Releases 下載
dsh-qwen-asr-1.2.0.tgz。 - 在 DSH 側邊欄「插件」頁面使用「添加插件」，選擇該 tarball 或解壓後的本地目錄完成安裝。
- 首次安裝或從舊版升級後刷新頁面（Ctrl+R / F5）；升級後還需重啓 DSH，新的客戶端配置頁纔會加載。
配置 API Key 二選一：
- 系統環境變量
DASHSCOPE_API_KEY（兼容QWEN_API_KEY），設置後重啓 DSH。 - 插件頁 → 已安裝插件 →「千問語音轉文字」→ bundle 詳情中
qwen-asr行的「配置」（標識dsh-qwen-asr#qwen-asr），表單保存後立即生效。
常用配置項默認值如下（完整列表見倉庫 README）：
| 配置項 | 默認值 | 說明 |
|---|---|---|
api |
filetrans |
異步長音頻 / sync 同步短音頻 |
model |
qwen3-asr-flash-filetrans |
異步轉寫模型 |
syncModel |
qwen3-asr-flash |
api=sync 時使用 |
autoTranscribe |
true |
上傳音頻時自動轉寫 |
maxFileBytes |
1000000000 |
異步模式文件上限（1 GB） |
taskTimeoutMs |
900000 |
異步任務總等待上限（15 分鐘） |
典型用法¶
- 在插件頁填寫 DashScope API Key 並保存，或配置環境變量後重啓 DSH。
- 在聊天中上傳音頻並提問，例如「把這段錄音的要點列出來」。插件先完成異步轉寫（大文件可能需一兩分鐘），模型基於轉寫文本回答。
- 需要原始模型輸出時，讓模型對某個音頻路徑調用
qwen_transcribe_audio；工具結果包含Transcript與Raw Qwen API output兩段。
適用場景與注意¶
適合誰
- 已在 DSH 裏做智能體或日常對話，希望「上傳即轉寫、轉寫即進上下文」的開發者。
- 需要切換長錄音異步與短語音同步、或要保留 DashScope 原始 JSON 做二次處理的場景。
限制與運維
- 百鍊臨時存儲：文件與上傳時指定模型綁定，有效期 48 小時，上傳接口上限 1 GB；憑證接口 100 QPS，資料說明僅適合非生產。生產環境建議文件放 OSS 並使用公網 URL。
- 異步任務有排隊與處理耗時，默認最多等待
taskTimeoutMs（15 分鐘）。 - 自動轉寫文本主要進入當次模型請求；長期保留原文宜走工具（工具結果會持久化）。
安全
DSH 插件在宿主進程權限下運行，安裝前請閱讀倉庫源碼與 MIT 許可證，自行評估 API Key 與音頻數據的暴露範圍。SkillHub 目錄（dsh-qwen-asr 目錄頁）爲社區索引，與 DeepSeek / 幻方無官方從屬關係。
結尾¶
dsh-qwen-asr 把千問 DashScope 的長音頻 filetrans 與短音頻 sync ASR 封裝進 DSH 的上傳鏈路與工具面，減少本地切分與手工貼文本的步驟，同時可選保留原始 API 輸出。進一步瞭解實現與配置見 GitHub 倉庫，安裝包見 Releases。
