前言¶
在 DSH 裏和模型對話，輸入多半仍靠鍵盤。想邊想邊說、把口述收成可發送的草稿，常見做法是切到系統聽寫或第三方雲端 ASR，再複製回聊天框——音頻或文本往往要經過外部服務，快捷鍵和「發送」也不在同一套界面裏。dsh-transcribe 是面向 DeepSeek Harness 的客戶端插件：在編寫區發送按鈕旁提供麥克風，用本機 Parakeet Ultra 做識別，帶錄製面板與約 1.5 秒一次的實時預覽；可選喚醒詞、語音停止/發送口令，以及用當前聊天模型做語法校對或提示詞潤色。識別階段音頻不離開本機；僅「校對 / 潤色」會把草稿文本發給你在 DSH 裏已選的模型。
這是什麼¶
dsh-transcribe（npm 包名同名，當前資料中版本 0.4.0）由維護者 chernogriff11-alt 發佈，歸類爲 客戶端 插件。它通過 cordis.patch.yml 注入 DSH 對話 UI（@deepseek-ai/dsh-client-ui-conversation），在 Composer 區域擴展語音輸入能力。
核心功能¶
錄製與插入¶
- 麥克風按鈕位於發送按鈕左側。單擊開始錄製：按鈕變紅，編寫區上方出現帶信號電平與計時的面板。
- 實時預覽：識別片段約每 1.5 秒刷新在面板條帶中。
- 再次單擊或按下所配熱鍵：結束錄製，最終文本插入到輸入框光標處。
- Esc：取消錄製，不插入內容。
- 輸入框不可用時，面板可提示手動粘貼，避免丟字。
「寫入輸入框」與「直接發聊天」¶
面板內 「В поле」/「В чат」（寫入輸入框 / 發到聊天）決定結束錄製後的行爲：
| 模式 | 行爲 |
|---|---|
| 寫入輸入框 | 文本進草稿，自行檢查後發送 |
| 發到聊天 | 插入後立即發送消息 |
默認熱鍵（可自定義）¶
| 動作 | 默認組合 |
|---|---|
| 開始/停止錄製並寫入輸入框 | Ctrl+Shift+Space |
| 開始/停止錄製併發送到聊天 | Ctrl+Shift+Enter |
| 取消錄製 | Esc |
在錄製面板點擊 → … 或 ⏎ … 芯片可改鍵：需帶 Ctrl/Alt/Shift/Win 修飾鍵，或 F1–F12。設置保存在瀏覽器本地。
語音口令¶
兩條獨立口令，宜出現在語句末尾，默認可在面板齒輪中開關與改寫：
| 口令類型 | 默認短語 | 效果 |
|---|---|---|
| 停止詞 | 「стоп чат」 | 停止錄製，口令前文本留在輸入框 |
| 發送詞 | 「отправь」 | 停止錄製並立即發送聊天 |
口令與「寫入/發聊天」模式開關無關，主要配合手動停止場景；檢測有約 1.5–2.5 秒延遲，與預覽週期一致。
喚醒詞（常聽模式）¶
開啓麥克風旁「波形」圖標後，插件在 DSH 窗口激活時保持低佔用監聽；默認喚醒詞爲 「окей дипсик」（支持模糊匹配）。觸發後按正常流程錄製；可配置停頓結束時長（默認 1.4 秒，範圍 0.3–15 秒）。窗口失焦會釋放麥克風，回到 DSH 後若仍開啓常聽則恢復。
實現上音頻流經能量 VAD 切成短段，再請求本地 POST /dsh-transcribe/wake 判斷是否命中喚醒詞，以避免持續滿負荷跑 Parakeet。
草稿校對與提示詞改寫¶
發送按鈕旁兩個按鈕針對當前輸入框草稿（非音頻）：
| 按鈕含義 | 模式 | 作用 |
|---|---|---|
| 校對（勾號樣式） | grammar |
修正拼寫、標點、語法，不改變句型語義 |
| 潤色（魔棒樣式） | prompt |
去掉口頭填充詞，整理爲更清晰的 AI 提示，不臆造事實 |
請求路徑爲 POST /dsh-transcribe/fix，使用 DSH 中 agentDefaultModel；可在 cordis.patch.yml 用 llmProvider、llmModel 指定其他模型。單次最多約 8000 字符；替換草稿不單獨生成撤銷步驟，引用與內嵌 chip 可能在替換時丟失。此處文本會發往模型提供方——與平時聊天相同；音頻仍不對外發送。
識別語言¶
默認識別語言自動檢測。若需固定語言，在 cordis.patch.yml 中設置例如 language: 'en'（亦可 ru、de 等）。插件元數據支持 en/ru 本地化；錄製面板文案在資料中註明當前以俄語界面爲主。
安裝與啓用¶
插件面向 Windows 10/11 x64，依賴 DeepSeek Harness 0.2.x（package.json 中 engines：dsh 爲 >=0.2.0-rc.1 <0.3.0-0）。安裝包已捆綁識別引擎與模型，無需額外下載模型。
官方 README 給出的步驟如下：
- 在 Releases 下載
dsh-transcribe-setup-<version>.exe並運行安裝程序。 - 打開 DSH：Settings → Plugins → Add plugin，選擇目錄
%LOCALAPPDATA%\dsh-transcribe。 - 重啓 DSH，在界面中刷新（F5）。
資料未提供 dsh plugin add github:... 一類 CLI 安裝方式，不宜自行拼接。
典型用法¶
- 確認麥克風權限與默認熱鍵後，在對話編寫區點麥克風開始口述；觀察面板電平與實時預覽。
- 需要只做草稿時保持「寫入輸入框」，說完點麥克風或按
Ctrl+Shift+Space結束；用校對按鈕掃一遍再發送。 - 需要一氣呵成發問時切到「發到聊天」，或結束錄製前說默認發送詞「отправь」（若在面板啓用了該功能）。
- 雙手不在鍵盤上時，打開常聽模式，說喚醒詞後開始獨白；停頓達到設定秒數即結束（可關「按停頓停止」改爲只靠停止詞）。
- 口述冗長、口語多時，先結束錄製插入草稿，再用「潤色」模式整理成結構化提示，確認後發送。
適用場景與注意¶
適合誰： 主要在 Windows 上使用 DSH 0.2.x、希望語音進聊天框且轉寫全程本地的開發者或寫作者；願意在草稿階段用已有 LLM 做輕量校對或提示詞整理。
環境與權限： 插件作爲 DSH 客戶端擴展運行，佔用本機 CPU（資料提到常聽階段 VAD 與分段識別設計是爲控制 Parakeet 非流式帶來的約 20–25% 單核佔用）。安裝前請閱讀倉庫源碼與 MIT 許可證，確認 Release 安裝包來源可信。
隱私邊界： 音頻識別不連雲；語法/潤色與正常聊天一樣會把文本發往所選模型提供商。
生態說明： DeepSeek Harness 奉行「一切皆插件」；SkillHub 目錄頁 爲社區收錄站點，與 DeepSeek / 幻方無官方從屬關係。
結尾¶
dsh-transcribe 把麥克風、本地 Parakeet Ultra 轉寫、熱鍵與語音口令收進 DSH 編寫區，並在需要時用同一套聊天模型整理文字。查閱說明與安裝包見 GitHub 倉庫與目錄頁：
- 目錄頁：https://www.skillhub.cn/plugins/chernogriff11-alt/dsh-transcribe
- GitHub：https://github.com/chernogriff11-alt/dsh-transcribe
