前言¶
在 DSH 里和模型对话，输入多半仍靠键盘。想边想边说、把口述收成可发送的草稿，常见做法是切到系统听写或第三方云端 ASR，再复制回聊天框——音频或文本往往要经过外部服务，快捷键和「发送」也不在同一套界面里。dsh-transcribe 是面向 DeepSeek Harness 的客户端插件：在编写区发送按钮旁提供麦克风，用本机 Parakeet Ultra 做识别，带录制面板与约 1.5 秒一次的实时预览；可选唤醒词、语音停止/发送口令，以及用当前聊天模型做语法校对或提示词润色。识别阶段音频不离开本机；仅「校对 / 润色」会把草稿文本发给你在 DSH 里已选的模型。
这是什么¶
dsh-transcribe（npm 包名同名，当前资料中版本 0.4.0）由维护者 chernogriff11-alt 发布，归类为 客户端 插件。它通过 cordis.patch.yml 注入 DSH 对话 UI（@deepseek-ai/dsh-client-ui-conversation），在 Composer 区域扩展语音输入能力。
核心功能¶
录制与插入¶
- 麦克风按钮位于发送按钮左侧。单击开始录制：按钮变红，编写区上方出现带信号电平与计时的面板。
- 实时预览：识别片段约每 1.5 秒刷新在面板条带中。
- 再次单击或按下所配热键：结束录制，最终文本插入到输入框光标处。
- Esc：取消录制，不插入内容。
- 输入框不可用时，面板可提示手动粘贴，避免丢字。
「写入输入框」与「直接发聊天」¶
面板内 「В поле」/「В чат」（写入输入框 / 发到聊天）决定结束录制后的行为：
| 模式 | 行为 |
|---|---|
| 写入输入框 | 文本进草稿，自行检查后发送 |
| 发到聊天 | 插入后立即发送消息 |
默认热键（可自定义）¶
| 动作 | 默认组合 |
|---|---|
| 开始/停止录制并写入输入框 | Ctrl+Shift+Space |
| 开始/停止录制并发送到聊天 | Ctrl+Shift+Enter |
| 取消录制 | Esc |
在录制面板点击 → … 或 ⏎ … 芯片可改键：需带 Ctrl/Alt/Shift/Win 修饰键，或 F1–F12。设置保存在浏览器本地。
语音口令¶
两条独立口令，宜出现在语句末尾，默认可在面板齿轮中开关与改写：
| 口令类型 | 默认短语 | 效果 |
|---|---|---|
| 停止词 | 「стоп чат」 | 停止录制，口令前文本留在输入框 |
| 发送词 | 「отправь」 | 停止录制并立即发送聊天 |
口令与「写入/发聊天」模式开关无关，主要配合手动停止场景；检测有约 1.5–2.5 秒延迟，与预览周期一致。
唤醒词（常听模式）¶
开启麦克风旁「波形」图标后，插件在 DSH 窗口激活时保持低占用监听；默认唤醒词为 「окей дипсик」（支持模糊匹配）。触发后按正常流程录制；可配置停顿结束时长（默认 1.4 秒，范围 0.3–15 秒）。窗口失焦会释放麦克风，回到 DSH 后若仍开启常听则恢复。
实现上音频流经能量 VAD 切成短段，再请求本地 POST /dsh-transcribe/wake 判断是否命中唤醒词，以避免持续满负荷跑 Parakeet。
草稿校对与提示词改写¶
发送按钮旁两个按钮针对当前输入框草稿（非音频）：
| 按钮含义 | 模式 | 作用 |
|---|---|---|
| 校对（勾号样式） | grammar |
修正拼写、标点、语法，不改变句型语义 |
| 润色（魔棒样式） | prompt |
去掉口头填充词，整理为更清晰的 AI 提示，不臆造事实 |
请求路径为 POST /dsh-transcribe/fix，使用 DSH 中 agentDefaultModel；可在 cordis.patch.yml 用 llmProvider、llmModel 指定其他模型。单次最多约 8000 字符；替换草稿不单独生成撤销步骤，引用与内嵌 chip 可能在替换时丢失。此处文本会发往模型提供方——与平时聊天相同；音频仍不对外发送。
识别语言¶
默认识别语言自动检测。若需固定语言，在 cordis.patch.yml 中设置例如 language: 'en'（亦可 ru、de 等）。插件元数据支持 en/ru 本地化；录制面板文案在资料中注明当前以俄语界面为主。
安装与启用¶
插件面向 Windows 10/11 x64，依赖 DeepSeek Harness 0.2.x（package.json 中 engines：dsh 为 >=0.2.0-rc.1 <0.3.0-0）。安装包已捆绑识别引擎与模型，无需额外下载模型。
官方 README 给出的步骤如下：
- 在 Releases 下载
dsh-transcribe-setup-<version>.exe并运行安装程序。 - 打开 DSH：Settings → Plugins → Add plugin，选择目录
%LOCALAPPDATA%\dsh-transcribe。 - 重启 DSH，在界面中刷新（F5）。
资料未提供 dsh plugin add github:... 一类 CLI 安装方式，不宜自行拼接。
典型用法¶
- 确认麦克风权限与默认热键后，在对话编写区点麦克风开始口述；观察面板电平与实时预览。
- 需要只做草稿时保持「写入输入框」，说完点麦克风或按
Ctrl+Shift+Space结束；用校对按钮扫一遍再发送。 - 需要一气呵成发问时切到「发到聊天」，或结束录制前说默认发送词「отправь」（若在面板启用了该功能）。
- 双手不在键盘上时，打开常听模式，说唤醒词后开始独白；停顿达到设定秒数即结束（可关「按停顿停止」改为只靠停止词）。
- 口述冗长、口语多时，先结束录制插入草稿，再用「润色」模式整理成结构化提示，确认后发送。
适用场景与注意¶
适合谁： 主要在 Windows 上使用 DSH 0.2.x、希望语音进聊天框且转写全程本地的开发者或写作者；愿意在草稿阶段用已有 LLM 做轻量校对或提示词整理。
环境与权限： 插件作为 DSH 客户端扩展运行，占用本机 CPU（资料提到常听阶段 VAD 与分段识别设计是为控制 Parakeet 非流式带来的约 20–25% 单核占用）。安装前请阅读仓库源码与 MIT 许可证，确认 Release 安装包来源可信。
隐私边界： 音频识别不连云；语法/润色与正常聊天一样会把文本发往所选模型提供商。
生态说明： DeepSeek Harness 奉行「一切皆插件」；SkillHub 目录页 为社区收录站点，与 DeepSeek / 幻方无官方从属关系。
结尾¶
dsh-transcribe 把麦克风、本地 Parakeet Ultra 转写、热键与语音口令收进 DSH 编写区，并在需要时用同一套聊天模型整理文字。查阅说明与安装包见 GitHub 仓库与目录页：
- 目录页：https://www.skillhub.cn/plugins/chernogriff11-alt/dsh-transcribe
- GitHub：https://github.com/chernogriff11-alt/dsh-transcribe
