前言¶

DeepSeek Harness 的 Web GUI 自带语音输入能力，但默认链路意味着音频要经过远端语音服务。要从录音到文字都不出本机，就得自己找本地识别方案并接进语音管线——先找模型、再找命令行工具、再把输出塞回 Harness，中间每一步都要自己搭。下面介绍的 linj1k/dsh-whisper-local（分类：模型推理，维护者 Linj1k）把这个流程做成一个插件：浏览器录下 16 kHz 单声道 WAV，Host 端用 whisper.cpp 转写，音频不经过网络，也不需要 OpenAI 账号或 API Key。

需要说明的是，这是一个社区 bundle，不是 DeepSeek 官方插件。项目目录页放在 skillhub.cn，那是第三方社区站点，与 DeepSeek 没有官方从属关系。

这是什么¶

一句话定位：给 DSH 的 Web GUI 提供一个 host-local 语音提供者（SpeechProvider），底层是 whisper.cpp 的 Windows x64 CPU 版本。浏览器只负责录音并把音频送到 Host，Host 上负责落盘、调 whisper-cli.exe、读取文本、清理临时文件。

它解决的三个具体问题：

零外部依赖的识别链路——不需要注册外部语音服务、不需要 API Key。
运行时和模型的托管——whisper.cpp 运行时和 GGML 模型按需下载，带大小和 SHA-256 校验，下载后缓存并可离线复用。
模型切换有入口——Harness UI 里有模型下拉框，改完立即生效并持久化。

核心功能¶

下面按 README 列出的能力逐条说明，全部为本地执行：

完全本地听写：whisper-cli.exe 跑在 CPU 上，模型和音频都留在本机。
默认自动语种检测：language: auto 让 Whisper 自行判断每条录音的语种；99 种 Whisper 语种也可以在语音设置里手动指定。
UI 内选模型：插件页可选 tiny、base、small、medium、large-v3-turbo，改动即时生效并保存。
托管式安装：Windows x64 whisper.cpp 运行时和 GGML 模型按需下载、校验（大小 + SHA-256）、缓存，之后可离线使用。
不留存录音：每条录音写成临时 WAV，转写完即删除。
Agent 集成：助手可通过 whisper_model 工具列出模型、后台下载、或切换当前模型。

工作流程如下：

浏览器（Harness composer）
  └─ 麦克风按钮录制 16 kHz 单声道 PCM WAV
       └─ speech Remote 把录音发送到 Host
            └─ whisper-local SpeechProvider
                 ├─ 写临时 WAV
                 ├─ 用选中的 GGML 模型启动 whisper-cli.exe
                 ├─ 读取文本输出
                 └─ 删除临时文件并返回转写结果

Provider 通过 ctx.speechToText.register() 注册，并声明 location: 'host-local'。这样语音 UI 能显示准备状态，也能在需要时触发模型下载。

安装与启用¶

环境要求¶

项	说明
DeepSeek Harness	桌面版/Web 版，且启用实验性的 Voice Input bundle
系统	Windows 10/11 x64（固定运行时是 Windows CPU 构建）
运行时依赖	`tar.exe`（Windows 10/11 自带，用于解压运行时归档）
磁盘	解压后的运行时约 90 MB，每个模型 31–547 MB
CPU	任意 x64 CPU，核数和线程越多越快。不使用 GPU
麦克风	需要操作系统和浏览器的麦克风授权

运行时不需要 Node.js、Python、编译器或 CUDA。

从 GitHub 安装（推荐）¶

先启用官方 Voice Input bundle：Plugins → Voice Input。
打开 Plugins → Add plugin → Install a third-party plugin。
输入仓库 Git 地址：

   git+https://github.com/Linj1k/dsh-whisper-local.git

要固定版本可用：

   git+https://github.com/Linj1k/dsh-whisper-local.git#v1.3.0

确认 bundle 已启用。它的 patch 会把语音模块设为 whisper-local + language: auto，并注册 whisper_model 工具。
如果 Host 模块是在 Harness 运行期间加入的，Provider 没出现，就重启一次 Harness。只改浏览器端的 UI 是热重载的，不需要重启。

其他安装方式¶

发布包：从 GitHub Releases 下载 dsh-whisper-local-1.3.0.tgz，在 Plugins → Add plugin 里指向该文件。
npm：包名 dsh-whisper-local，待维护者执行 npm publish 后即可通过 Plugins → Add plugin 填包名安装（可加版本，如 dsh-whisper-local@1.3.0）。
本地检出：在 Plugins → Add plugin 里填本目录绝对路径，适合开发调试。

典型用法¶

听写¶

点 composer 里的麦克风按钮（在模型选择器和 Send 之间）。
首次使用会要求授权麦克风。
说话，然后按 Stop。
转写结果会插入草稿，按正常流程检查并发送。

选模型¶

打开 Plugins → Whisper local，页面提供模型下拉框（带体积与速度/精度提示）、当前生效的模型、以及 Save model 按钮。选择会通过 Harness Settings 服务写入 profile 配置，重启后依然生效。如果所选模型尚未下载，准备流程会自动开始，进度显示在 Voice Input bundle 详情里的 Download and prepare 区域。

选语种¶

Whisper local 提供 99 种语种加 auto。在 Plugins → Voice Input → bundle details → Language 里改。官方选择器对 auto、en、zh、ja、ko 显示翻译后的标签，其他语种显示 ISO 代码（如 fr、de、es）。

默认值是 auto，不会强制法语或任何固定语种。混合用语场景适合自动检测；录音短或噪音大时，显式指定语种更稳。

模型清单¶

模型均来自 ggerganov/whisper.cpp 托管的多语种 GGML 构建：

Key	文件	体积	说明
`tiny-q5_1`	`ggml-tiny-q5_1.bin`	~31 MB	最快，精度最低
`base-q5_1`	`ggml-base-q5_1.bin`	~57 MB	快，基础精度
`small-q5_1`	`ggml-small-q5_1.bin`	~181 MB	默认，均衡
`medium-q5_0`	`ggml-medium-q5_0.bin`	~514 MB	更准，更慢
`large-v3-turbo-q5_0`	`ggml-large-v3-turbo-q5_0.bin`	~547 MB	多语种精度最好

官方给出的参考（AMD Ryzen 9 9950X3D，8 线程，约 10 秒语音）：small-q5_1 处理法语约 1.3 s、日语约 1.2 s；large-v3-turbo-q5_0 法语约 3.3 s、日语约 4.0 s。

固定运行时是官方 nightly b5454 Windows x64 OpenBLAS 构建，校验值为其 release SHA-256。

配置项¶

bundle patch（cordis.patch.yml）给出的默认配置：

- insert:
    - id: whisper-local
      name: 'dsh-whisper-local'
      config:
        dataRoot: !!js dshHomePath('speech-to-text', 'whisper-local')
        model: small-q5_1
        threads: 8
        timeoutMs: 180000

- id: speech-to-text
  config:
    defaultProvider: whisper-local
    language: auto

字段	默认	含义
`dataRoot`	`%USERPROFILE%\.dsh\speech-to-text\whisper-local`	运行时、模型和诊断信息的托管目录
`model`	`small-q5_1`	上表中的模型 Key 之一，也可从 UI 修改
`threads`	`8`	传给 `whisper-cli` 的 CPU 线程数
`timeoutMs`	`180000`	单次转写时限
`modelPath`	未设置	使用已有的 GGML 模型文件，跳过托管下载
`whisperCli`	未设置	使用已有的 `whisper-cli.exe`，跳过托管运行时

用户覆盖写在 profile 的 patch 层，优先级高于 bundle 默认值；UI 里选中的模型也写在那里。

Agent 工具¶

bundle 注册了 whisper_model 工具，助手可以执行三类操作：列出模型目录、后台下载模型、切换当前模型。适合让 Agent 在用户一句「换成 small」时自行完成切换。

适用场景与注意事项¶

适合这些情况：

录音内容涉及隐私或不宜出网，需要在本地完成转写。
环境里没有可用的外部语音 API Key，或不想为听写单独申请账号。
已经有一台 x64 Windows 机器，想用 CPU 换来一条约 10 秒的语音秒级出稿。

需要注意：

权限范围。插件以当前 DSH 进程的权限运行，下载运行时和模型、执行 whisper-cli.exe、读写 dataRoot 目录都发生在该进程权限下。安装前应该先读一遍源码和许可证（MIT），确认目录路径和命令执行范围符合预期，不要只看目录页描述就装。
平台与机型限制。只支持 Windows 10/11 x64，只用 CPU，不使用 GPU。在 macOS / Linux 或 ARM 机器上不适用。
磁盘与首次下载。运行时约 90 MB，模型 31–547 MB，首次启用（尤其选 medium 以上）会有一段下载时间。运行时和模型带大小与 SHA-256 校验，尽量保持默认配置，不要手工替换。
默认语种是 auto。如果使用场景语种固定、录音又短或噪声大，建议显式指定语种，避免自动检测出错。
音频不落盘。只在临时 WAV 上转写，转写后删除——这条仅指插件自身的行为，具体效果取决于你在 Harness 之外还有没有其他录音链路。
社区项目。这是第三方 bundle，非 DeepSeek 官方插件；star 数与版本信息以 GitHub 当前状态为准，升级前核对版本号。

结尾¶

这个插件的价值在于把「浏览器录音 + 本机转写」这条链路收敛成一个可以安装的 bundle：不用配外部服务、不用管运行时怎么装，模型选择和语种选择都在 UI 里完成，并且音频不出本机。如果本地听写已经是日常操作，值得一试；如果只是偶尔录音，先估算一下模型下载的体积成本。

目录页：https://www.skillhub.cn/plugins/Linj1k/dsh-whisper-local
GitHub：https://github.com/Linj1k/dsh-whisper-local

linj1k/dsh-whisper-local：在 DSH 里跑本地 Whisper 语音输入

前言¶

这是什么¶

核心功能¶

安装与启用¶

环境要求¶

从 GitHub 安装（推荐）¶

其他安装方式¶

典型用法¶

听写¶

选模型¶

选语种¶

模型清单¶

配置项¶

Agent 工具¶

适用场景与注意事项¶

结尾¶

精选优惠券

linj1k/dsh-whisper-local：在 DSH 里跑本地 Whisper 语音输入

前言¶

这是什么¶

核心功能¶

安装与启用¶

环境要求¶

从 GitHub 安装（推荐）¶

其他安装方式¶

典型用法¶

听写¶

选模型¶

选语种¶

模型清单¶

配置项¶

Agent 工具¶

适用场景与注意事项¶

结尾¶

精选优惠券

相关文章