前言¶

在 DeepSeek Harness（DSH）里写提示词、改草稿时，键盘输入往往打断思路。原版 dsh-hold-to-talk 已经在 Web composer 上提供「按住鼠标说话、松手写入」的手势，并可用本机 SenseVoice（sherpa-onnx）离线识别。若你希望改用百炼、SiliconFlow 或自建 OpenAI 兼容转写接口，同时维护术语表与错词纠正规则，并把输入框已有草稿一并交给识别侧作上下文，就需要在现有手势之上扩展 ASR 提供方与配置方式。lcx19970714/dsh-hold-to-talk-plus 即在此基础上的 fork，包名与 bundle id 仍与上游一致（dsh-hold-to-talk），可作为 profile 插件替换安装。

这是什么¶

维护者为 GitHub 用户 lcx19970714，社区目录分类为「模型推理」。插件面向 DSH Web 对话 composer：按住说话、松手后把转写文本插入草稿；浮动层、「上滑取消」与 60 秒自动结束等行为与上游一致。相对 dsh-hold-to-talk@0.1.4，本 fork 增加第三方云端 ASR、用户词库、草稿作上下文提示、设置页与云端说话时的实时预览等能力。许可证为 MIT（fork 自 wangzhanchao883/dsh-hold-to-talk）。当前资料中的版本号为 0.1.4-cloud.6，运行时要求 Node ^22.0.0 || >=24。

核心功能¶

下面按 README 功能对比表归纳已核实能力。

识别引擎¶

1. 本机离线：SenseVoice（sherpa-onnx），与上游相同。
2. 云端 ASR：支持 OpenAI 兼容的 /v1/audio/transcriptions，以及阿里云百炼兼容端点上的 chat/completions + input_audio（chat-audio 协议）。
3. 端点协议：根据 URL 自动判断协议，避免协议与端点不匹配导致的 400。
4. 失败回退：云端调用失败时自动回退到本机 ASR。

词库与上下文¶

• 用户词库（wordbank）：术语表，以及 correct=wrong1|wrong2 形式的纠正规则；识别结果在本地与云端路径上均可做后处理。
• 草稿作上下文：composer 中已有草稿会作为 context prompt 参与组装（云端侧见 cloud-asr.mjs 中的 system prompt 逻辑）。
• 百炼说明：在百炼兼容端点上，ASR 任务会忽略 instruction 式提示；术语表接受但效果有限，可靠纠错仍依赖 wordbank 的 correct=wrong 规则。

设置与联调¶

• 路径 Settings → Voice input：选择提供方预设、填写 API Key，可先 Test connection 再保存（未保存亦可测）；401/403/404/429/超时等会译为可读说明。
• 云端实时预览：按住说话时使用云端 ASR 时，对尾部窗口约每 2 秒重新解码一次，便于边说边看。

代码结构（便于对照源码）¶

lib/
├─ index.js           # 路由、引擎管理、提示组装、云端分支、/settings
├─ client.js          # 按住手势、浮层、设置页
├─ asr-worker.mjs     # 本机 sherpa-onnx
├─ cloud-asr.mjs      # WAV 编码与两种第三方协议
├─ wordbank.mjs       # 词库解析与后处理
└─ settings-store.mjs # ~/.dsh/hold-to-talk/settings.json

预设提供方（资料原文）¶

安装与启用¶

本仓库作为 DSH profile 插件安装，是 dsh-hold-to-talk 的直接替换，步骤以仓库 README 为准。安装前请自行阅读源码与 MIT 许可证；插件在 DSH 进程权限下运行，API Key 与词库会写入本机配置（如 ~/.dsh/hold-to-talk/settings.json）。

1、获取源码并安装依赖（含 sherpa-onnx 原生运行时）

git clone https://github.com/lcx19970714/dsh-hold-to-talk-plus.git "H:\DSH-鼠标语音输入"
cd "H:\DSH-鼠标语音输入"
pnpm install

2、将 desktop profile 指向本地副本

编辑 %USERPROFILE%\.dsh\profiles\desktop\package.json，增加或改为：

"dsh-hold-to-talk": "link:H:/DSH-鼠标语音输入"

随后在 profile 目录执行依赖安装（README 给出的 PowerShell 示例）：

$node = "$env:USERPROFILE\.dsh\dsh-runtimes\dsh-primary-runtime\dependencies\node\bin\node.exe"
$pnpm = "$env:USERPROFILE\.dsh\dsh-runtimes\dsh-primary-runtime\dependencies\pnpm\bin\pnpm.cjs"
& $node $pnpm install --dir "$env:USERPROFILE\.dsh\profiles\desktop"

3、在 cordis.patch 中注册插件

编辑 %USERPROFILE%\.dsh\profiles\desktop\cordis.patch.yml，按仓库内 cordis.patch.yml 与 README.zh.md 填写 id、name 与 config。

4、重启 DSH

完全退出 DSH（托盘 → Quit）后重新打开。

5、配置识别提供方

打开 Settings → Voice input，选择提供方、粘贴 API Key，点击 Test connection，确认通过后保存。若仅使用本机 local 提供方，则无需 Key。

典型用法¶

1. 在 DSH Web composer 输入区域按住鼠标左键，开始说话；需要取消时按上游交互上滑取消。
2. 松手后，转写文本插入当前草稿；若已配置 wordbank，错词规则会在结果上生效。
3. 使用云端提供方时，按住期间可观察 live preview 的阶段性转写；超过 60 秒会自动结束一轮。
4. 在设置页切换 Provider 或自建 http://127.0.0.1:8000/v1/audio/transcriptions 时，先用 Test connection 确认可达，再保存，避免把错误配置写入 settings.json。

更细的 config 字段与中文说明见仓库 README.zh.md。

适用场景与注意¶

• 适合：长期在 DSH 里写提示词、希望「按住即说」且要在本机离线与多家云端 ASR 之间切换的开发者；对专有名词、易混谐音有 wordbank 纠正需求；希望把输入框已有内容作为识别上下文的场景。
• 与上游关系：手势与 60 秒等行为未改，差异集中在 ASR 提供方、词库、设置页与云端预览；安装时仍使用包名 dsh-hold-to-talk，勿与未增强的上游包混用 link 目标。
• 安全与合规：云端模式会向所选 Endpoint 发送音频（及 README 描述的 prompt 组装内容）；自建网关时需自行保证网络与密钥管理。安装前审阅 lib/cloud-asr.mjs、lib/wordbank.mjs 等是否符合你的数据策略。
• 生态说明：DSH 采用「一切皆插件」思路；SkillHub 插件目录 为社区站点，与 DeepSeek / 幻方无官方从属关系。

结尾¶

dsh-hold-to-talk-plus 在保留 DSH 按住说话体验的前提下，把识别扩展到 OpenAI 兼容与百炼协议、词库纠正、设置页联调与云端预览，并在云端失败时回退本机 SenseVoice。查阅参数与中文文档请以 GitHub 仓库为准。

• 目录页：https://www.skillhub.cn/plugins/lcx19970714/dsh-hold-to-talk-plus
• 源码：https://github.com/lcx19970714/dsh-hold-to-talk-plus