前言¶

DeepSeek Harness 的 Web GUI 自帶語音輸入能力，但默認鏈路意味着音頻要經過遠端語音服務。要從錄音到文字都不出本機，就得自己找本地識別方案並接進語音管線——先找模型、再找命令行工具、再把輸出塞回 Harness，中間每一步都要自己搭。下面介紹的 linj1k/dsh-whisper-local（分類：模型推理，維護者 Linj1k）把這個流程做成一個插件：瀏覽器錄下 16 kHz 單聲道 WAV，Host 端用 whisper.cpp 轉寫，音頻不經過網絡，也不需要 OpenAI 賬號或 API Key。

需要說明的是，這是一個社區 bundle，不是 DeepSeek 官方插件。項目目錄頁放在 skillhub.cn，那是第三方社區站點，與 DeepSeek 沒有官方從屬關係。

這是什麼¶

一句話定位：給 DSH 的 Web GUI 提供一個 host-local 語音提供者（SpeechProvider），底層是 whisper.cpp 的 Windows x64 CPU 版本。瀏覽器只負責錄音並把音頻送到 Host，Host 上負責落盤、調 whisper-cli.exe、讀取文本、清理臨時文件。

它解決的三個具體問題：

零外部依賴的識別鏈路——不需要註冊外部語音服務、不需要 API Key。
運行時和模型的託管——whisper.cpp 運行時和 GGML 模型按需下載，帶大小和 SHA-256 校驗，下載後緩存並可離線複用。
模型切換有入口——Harness UI 裏有模型下拉框，改完立即生效並持久化。

核心功能¶

下面按 README 列出的能力逐條說明，全部爲本地執行：

完全本地聽寫：whisper-cli.exe 跑在 CPU 上，模型和音頻都留在本機。
默認自動語種檢測：language: auto 讓 Whisper 自行判斷每條錄音的語種；99 種 Whisper 語種也可以在語音設置裏手動指定。
UI 內選模型：插件頁可選 tiny、base、small、medium、large-v3-turbo，改動即時生效並保存。
託管式安裝：Windows x64 whisper.cpp 運行時和 GGML 模型按需下載、校驗（大小 + SHA-256）、緩存，之後可離線使用。
不留存錄音：每條錄音寫成臨時 WAV，轉寫完即刪除。
Agent 集成：助手可通過 whisper_model 工具列出模型、後臺下載、或切換當前模型。

工作流程如下：

瀏覽器（Harness composer）
  └─ 麥克風按鈕錄製 16 kHz 單聲道 PCM WAV
       └─ speech Remote 把錄音發送到 Host
            └─ whisper-local SpeechProvider
                 ├─ 寫臨時 WAV
                 ├─ 用選中的 GGML 模型啓動 whisper-cli.exe
                 ├─ 讀取文本輸出
                 └─ 刪除臨時文件並返回轉寫結果

Provider 通過 ctx.speechToText.register() 註冊，並聲明 location: 'host-local'。這樣語音 UI 能顯示準備狀態，也能在需要時觸發模型下載。

安裝與啓用¶

環境要求¶

項	說明
DeepSeek Harness	桌面版/Web 版，且啓用實驗性的 Voice Input bundle
系統	Windows 10/11 x64（固定運行時是 Windows CPU 構建）
運行時依賴	`tar.exe`（Windows 10/11 自帶，用於解壓運行時歸檔）
磁盤	解壓後的運行時約 90 MB，每個模型 31–547 MB
CPU	任意 x64 CPU，核數和線程越多越快。不使用 GPU
麥克風	需要操作系統和瀏覽器的麥克風授權

運行時不需要 Node.js、Python、編譯器或 CUDA。

從 GitHub 安裝（推薦）¶

先啓用官方 Voice Input bundle：Plugins → Voice Input。
打開 Plugins → Add plugin → Install a third-party plugin。
輸入倉庫 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

確認 bundle 已啓用。它的 patch 會把語音模塊設爲 whisper-local + language: auto，並註冊 whisper_model 工具。
如果 Host 模塊是在 Harness 運行期間加入的，Provider 沒出現，就重啓一次 Harness。只改瀏覽器端的 UI 是熱重載的，不需要重啓。

其他安裝方式¶

發佈包：從 GitHub Releases 下載 dsh-whisper-local-1.3.0.tgz，在 Plugins → Add plugin 裏指向該文件。
npm：包名 dsh-whisper-local，待維護者執行 npm publish 後即可通過 Plugins → Add plugin 填包名安裝（可加版本，如 dsh-whisper-local@1.3.0）。
本地檢出：在 Plugins → Add plugin 裏填本目錄絕對路徑，適合開發調試。

典型用法¶

聽寫¶

點 composer 裏的麥克風按鈕（在模型選擇器和 Send 之間）。
首次使用會要求授權麥克風。
說話，然後按 Stop。
轉寫結果會插入草稿，按正常流程檢查併發送。

選模型¶

打開 Plugins → Whisper local，頁面提供模型下拉框（帶體積與速度/精度提示）、當前生效的模型、以及 Save model 按鈕。選擇會通過 Harness Settings 服務寫入 profile 配置，重啓後依然生效。如果所選模型尚未下載，準備流程會自動開始，進度顯示在 Voice Input bundle 詳情裏的 Download and prepare 區域。

選語種¶

Whisper local 提供 99 種語種加 auto。在 Plugins → Voice Input → bundle details → Language 裏改。官方選擇器對 auto、en、zh、ja、ko 顯示翻譯後的標籤，其他語種顯示 ISO 代碼（如 fr、de、es）。

默認值是 auto，不會強制法語或任何固定語種。混合用語場景適合自動檢測；錄音短或噪音大時，顯式指定語種更穩。

模型清單¶

模型均來自 ggerganov/whisper.cpp 託管的多語種 GGML 構建：

Key	文件	體積	說明
`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，基礎精度
`small-q5_1`	`ggml-small-q5_1.bin`	~181 MB	默認，均衡
`medium-q5_0`	`ggml-medium-q5_0.bin`	~514 MB	更準，更慢
`large-v3-turbo-q5_0`	`ggml-large-v3-turbo-q5_0.bin`	~547 MB	多語種精度最好

官方給出的參考（AMD Ryzen 9 9950X3D，8 線程，約 10 秒語音）：small-q5_1 處理法語約 1.3 s、日語約 1.2 s；large-v3-turbo-q5_0 法語約 3.3 s、日語約 4.0 s。

固定運行時是官方 nightly b5454 Windows x64 OpenBLAS 構建，校驗值爲其 release SHA-256。

配置項¶

bundle patch（cordis.patch.yml）給出的默認配置：

- 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	默認	含義
`dataRoot`	`%USERPROFILE%\.dsh\speech-to-text\whisper-local`	運行時、模型和診斷信息的託管目錄
`model`	`small-q5_1`	上表中的模型 Key 之一，也可從 UI 修改
`threads`	`8`	傳給 `whisper-cli` 的 CPU 線程數
`timeoutMs`	`180000`	單次轉寫時限
`modelPath`	未設置	使用已有的 GGML 模型文件，跳過託管下載
`whisperCli`	未設置	使用已有的 `whisper-cli.exe`，跳過託管運行時

用戶覆蓋寫在 profile 的 patch 層，優先級高於 bundle 默認值；UI 裏選中的模型也寫在那裏。

Agent 工具¶

bundle 註冊了 whisper_model 工具，助手可以執行三類操作：列出模型目錄、後臺下載模型、切換當前模型。適合讓 Agent 在用戶一句「換成 small」時自行完成切換。

適用場景與注意事項¶

適合這些情況：

錄音內容涉及隱私或不宜出網，需要在本地完成轉寫。
環境裏沒有可用的外部語音 API Key，或不想爲聽寫單獨申請賬號。
已經有一臺 x64 Windows 機器，想用 CPU 換來一條約 10 秒的語音秒級出稿。

需要注意：

權限範圍。插件以當前 DSH 進程的權限運行，下載運行時和模型、執行 whisper-cli.exe、讀寫 dataRoot 目錄都發生在該進程權限下。安裝前應該先讀一遍源碼和許可證（MIT），確認目錄路徑和命令執行範圍符合預期，不要只看目錄頁描述就裝。
平臺與機型限制。只支持 Windows 10/11 x64，只用 CPU，不使用 GPU。在 macOS / Linux 或 ARM 機器上不適用。
磁盤與首次下載。運行時約 90 MB，模型 31–547 MB，首次啓用（尤其選 medium 以上）會有一段下載時間。運行時和模型帶大小與 SHA-256 校驗，儘量保持默認配置，不要手工替換。
默認語種是 auto。如果使用場景語種固定、錄音又短或噪聲大，建議顯式指定語種，避免自動檢測出錯。
音頻不落盤。只在臨時 WAV 上轉寫，轉寫後刪除——這條僅指插件自身的行爲，具體效果取決於你在 Harness 之外還有沒有其他錄音鏈路。
社區項目。這是第三方 bundle，非 DeepSeek 官方插件；star 數與版本信息以 GitHub 當前狀態爲準，升級前核對版本號。

結尾¶

這個插件的價值在於把「瀏覽器錄音 + 本機轉寫」這條鏈路收斂成一個可以安裝的 bundle：不用配外部服務、不用管運行時怎麼裝，模型選擇和語種選擇都在 UI 裏完成，並且音頻不出本機。如果本地聽寫已經是日常操作，值得一試；如果只是偶爾錄音，先估算一下模型下載的體積成本。

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

linj1k/dsh-whisper-local：在 DSH 裏跑本地 Whisper 語音輸入

前言¶

這是什麼¶

核心功能¶

安裝與啓用¶

環境要求¶

從 GitHub 安裝（推薦）¶

其他安裝方式¶

典型用法¶

聽寫¶

選模型¶

選語種¶

模型清單¶

配置項¶

Agent 工具¶

適用場景與注意事項¶

結尾¶

精选优惠券

linj1k/dsh-whisper-local：在 DSH 裏跑本地 Whisper 語音輸入

前言¶

這是什麼¶

核心功能¶

安裝與啓用¶

環境要求¶

從 GitHub 安裝（推薦）¶

其他安裝方式¶

典型用法¶

聽寫¶

選模型¶

選語種¶

模型清單¶

配置項¶

Agent 工具¶

適用場景與注意事項¶

結尾¶

精选优惠券

相關文章