前言¶

在 DSH 裏和智能體對話，多數時候仍靠鍵盤輸入。若希望「說幾句就進輸入框、改一改再發」，常見做法是切到系統聽寫或第三方工具，再複製粘貼回 DSH，步驟多且容易打斷上下文。DeepSeek Harness 採用「一切皆插件」的擴展方式；社區目錄 SkillHub 上的 dsh-voice-input（維護者 yfy12306）面向 DSH 桌面端：在輸入框右下角增加麥克風按鈕，瀏覽器側錄音，經 DSH 內置 webserver 的同源路由把音頻交給 host 側 ASR，識別結果先寫入草稿，可編輯後再發送。

下面介紹它的定位、能力與安裝配置要點。

這是什麼¶

dsh-voice-input 是 DSH 的客戶端類插件（分類：客戶端）。一句話：輸入框麥克風按鈕 → 錄音 → 同源路由轉發 ASR → 文本插入草稿，可編輯後發送。

與「整段音頻在外部工具裏轉寫再粘貼」相比，錄音在頁面內完成（getUserMedia），API key 只在 host 側解析，不進入瀏覽器進程；識別文本直接進入當前輸入框草稿，而不是立刻發送。

核心功能¶

以下能力均來自倉庫 README 與 package.json 說明，版本 0.1.0，許可證 MIT。

1. 輸入框 UI：在輸入框右下角提供麥克風按鈕（依賴 @deepseek-ai/dsh-client-ui-slots，客戶端平臺爲 web）。
2. 瀏覽器側錄音：使用 getUserMedia 採集音頻；插件在主進程通過 Electron 原生 API 重設各窗口 session 的 permission handler，放行 media（DSH 桌面端默認主要放行剪貼板，不設 handler 時瀏覽器側會 NotAllowedError），並保留原有剪貼板規則。
3. 同源 ASR 路由：註冊 POST /voice-asr/transcribe（默認路徑，可配置），請求體爲 { audioBase64, mime }；host 側讀取環境變量中的 key，以 OpenAI 兼容的 chat/completions 方式調用 ASR（input_audio base64 Data URL），返回 { text }。路由僅接受迴環來源請求。
4. 草稿再發送：識別文本先插入輸入框草稿，可手動修改後再發送。

默認 ASR 相關配置指向 OpenAI 兼容網關與模型名 qwen3-asr-flash（見下表），具體網關地址需自行填寫。

安裝與啓用¶

官方 README 未提供 dsh plugin add github:... 一類命令；安裝方式爲把倉庫放到固定目錄並在 desktop profile 裏 link 依賴。下面按 README 步驟說明。

1. 將本插件倉庫放到固定位置，例如：

~/.dsh/profiles/desktop/voice-input

2. 編輯 ~/.dsh/profiles/desktop/package.json：

• 在 dependencies 中增加（路徑改爲你機器上的絕對路徑，使用正斜槓）：

"dsh-voice-input": "link:/home/you/.dsh/profiles/desktop/voice-input"

• 在 dsh.profile.bundles 中增加 bundle 名 "dsh-voice-input"。

3. 將倉庫中的 cordis.patch.yml 內容追加到 ~/.dsh/profiles/desktop/cordis.patch.yml，並把其中的 baseURL 改成你的 OpenAI 兼容 ASR 網關地址（必填項，默認可爲空字符串）。

4. 在 profile 目錄執行安裝並重啓 DSH：

cd ~/.dsh/profiles/desktop
pnpm install

然後重啓 DSH 桌面端，使 bundle 與 patch 生效。

配置（cordis.patch.yml）¶

插件通過 bundle patch 注入配置項，常用字段如下（摘自 README）：

安裝前應在 host 環境中設置 apiKeyEnv 所指向的變量；key 不會下發到瀏覽器。

典型用法與自測¶

日常使用：在 DSH 桌面端打開帶輸入框的對話界面，點擊輸入框右下角麥克風，完成錄音後等待識別；文本出現在輸入框草稿中，編輯滿意後再發送。

ASR 連通性自測（README 提供腳本，需替換網關地址）：

ASR_BASE_URL=<你的網關> node scripts/test-asr.mjs

腳本位於插件倉庫內，用於在 host 側驗證網關與模型是否可用，不替代 DSH 內的完整 UI 流程。

適用場景與注意¶

適合：已在 DSH 桌面端日常對話、希望少切換窗口、用語音快速起草消息再精修的用戶；已有或可部署 OpenAI 兼容 ASR 網關（默認文檔示例爲百鍊相關環境變量名 ALIYUNBAILIAN_API_KEY）。

注意：

• 插件以當前 DSH 進程權限運行，並修改 Electron 窗口的媒體權限與 host 路由；安裝前應閱讀 GitHub 源碼 與 MIT 許可證，確認網關與 key 管理方式符合你的安全策略。
• 僅適用於 README 描述的 desktop profile + link 安裝方式；peer 依賴 @deepseek-ai/cordis ^4.0.1、@deepseek-ai/dsh-client-ui-slots ^0.2.0-rc.1，需與當前 DSH 版本匹配。
• SkillHub 目錄頁與 GitHub 由社區維護，與 DeepSeek / 幻方無官方從屬關係；星標等元數據以目錄頁爲準（當前爲 0）。

結尾¶

dsh-voice-input 把「點麥克風 → 同源 ASR → 草稿編輯 → 發送」收攏在 DSH 桌面輸入框內，並保證 API key 留在 host。若你需要在 Harness 裏少打字、多口述再改稿，可按上文 link 安裝並配置 baseURL 與 key 環境變量。

• 目錄頁：https://www.skillhub.cn/plugins/yfy12306/dsh-voice-input
• 倉庫：https://github.com/yfy12306/dsh-voice-input