前言¶

在 DeepSeek Harness（DSH）里用模型做智能体或日常对话时，键盘输入是默认路径。若希望「说完就发、听完再接着说」，常见做法是在浏览器里反复点录音、等识别、再点发送，朗读回复时也很难自然打断。DSH 社区插件 dsh-voice-dialog 把整条链路收进一次麦克风开关：自动断句、发送前留出可编辑的确认窗口，回复用语音播放且支持开口即打断。下面按定位、能力、安装与用法说明如何接入。

这是什么¶

dsh-voice-dialog 由维护者 QiNFPV 发布，分类为客户端插件，面向 DeepSeek Harness 0.2.x（桌面 / Web）。核心流程可概括为：点一次麦克风进入语音模式 → 说话 → 约 1.2 秒静音视为一句结束 → 识别文本先进入输入框，2 秒后自动发送 → 助手回复被朗读 → 播放过程中再次说话可立即打断并重新听写。

插件当前发行版为 0.1.3（见仓库 package.json 与 Releases），许可证 MIT，运行时仅需 Node ≥20 与依赖 ws；默认配置不需要 Python、ffmpeg 或独立服务。语音合成走 Microsoft Edge TTS，需能访问 speech.platform.bing.com。可选接入本地 faster-whisper 桥接以提升识别准确度。

• 目录页：skillhub.cn/plugins/QiNFPV/dsh-voice-dialog
• 源码与文档：github.com/QiNFPV/dsh-voice-dialog

核心功能¶

以下能力均来自项目 README，按使用顺序归纳。

连续对话与断句¶

• 一次进入：点麦克风后无需每句话再按按钮。
• 自动断句：约 1.2 s 静音结束当前句。
• 2 秒确认窗：识别结果先出现在 composer，默认 2 秒后自动发送；任意按键或点击 composer 可暂停计时，改字后按 Enter 发送。
• 空闲退出：10 s 无语音则退出语音模式，避免麦克风长期占用。

识别与文本处理¶

• 识别纠错：可修正明显 ASR 错误；含长数字串的句子会跳过纠错，避免误改电话、金额等。
• 口吃折叠（Stutter collapse）：如重复的「来来来来」在发送前合并。
• 短句识别：极短应答（如「嗯」「对」「好的」）按正确语种保留，而非丢弃或误判为英文。
• 语种：识别自动检测；麦克风旁下拉框只影响朗读用音色，不锁定识别语言。

朗读与打断¶

• 仅语音触发的回复会朗读：键盘输入的消息不播报。
• 按回复语种选音色；日语朗读前会去掉假名注音标记。
• Barge-in：回复播放时开始说话，播放立即停止并重新拾音。

界面与可选 Whisper¶

• 插件按钮与设置文案随 DSH 宿主界面在中英文间切换。
• Local Whisper update check（默认开启）：可周期检查本地 faster-whisper 与模型版本，在设置页查看状态；有更新时麦克风旁会出现徽标，需二次确认后才执行升级（不阻塞语音输入）。检查间隔、立即检查等项见下文设置表。

环境要求¶

安装与启用¶

安装包须从 GitHub Releases 获取 dsh-voice-dialog-0.1.3.tgz，勿使用未在文档中出现的 dsh plugin add github:... 形式。

图形界面¶

1. 下载 dsh-voice-dialog-0.1.3.tgz 到持久目录（不要放在 /tmp 或 %TEMP%）。
2. 在 DSH 中打开 Settings → Plugins → Install from file 安装。
3. 确认当前 profile 的 bundle 列表包含 dsh-voice-dialog，完全重启 DSH。

命令行等价操作¶

将路径替换为本机上的 tgz 实际位置：

dsh plugin --profile desktop add /path/to/dsh-voice-dialog-0.1.3.tgz

随后在 profile 配置的 dsh.profile.bundles 中加入 dsh-voice-dialog 并重启 DSH。

手动解压（备选）¶

解压到 ~/.dsh/profiles/<profile>/node_modules/dsh-voice-dialog/ 后重启。不要从其他机器拷贝整个 node_modules；若缺依赖，在插件目录内执行 npm install --omit=dev。压缩包内另有中文 安装说明.txt 与英文 install-notes.en.txt。

典型用法¶

1. 点击 composer 左侧麦克风；进入语音模式后按钮变红。
2. 正常说话，约 1.2 秒停顿结束一句。
3. 识别文本进入输入框，2 秒后自动发送；需要改字时先按键或点击输入框暂停计时，编辑后按 Enter。
4. 等待回复朗读；播放中直接说话即可打断。
5. 再次点击麦克风，或静默 10 秒，退出语音模式。

设置项¶

路径：Settings → Plugins → Voice Dialog

• Languages in the picker：下拉里显示的语言（默认含 Auto / 中文 / English / Japanese）。
• Show all voices (advanced)：列出全部 Edge 音色。
• Auto-correct recognition：识别纠错（长数字句跳过）。
• External APIs (optional)：可填 OpenAI 兼容的 STT / TTS 端点与密钥；留空则用内置后端。
• Stutter collapse / Robust short utterances：与上文识别行为对应。
• Local Whisper update check：见下表。

Whisper 自动检查（摘自文档默认值）：

检查失败或离线时仅更新状态文案，不影响语音管线；结果会写入 ~/.dsh/voice-tutor-config.json 的 whisperUpdate 字段。

适用场景与注意¶

适合谁：需要在 DSH 里长时间口头交互、希望减少「录一句发一句」操作、并希望在听回复时能随时插话的桌面或 Web 用户。若网络无法访问 Edge TTS 域名，需改用设置中的外部 TTS API 或先解决连通性。

安全与许可：插件以当前 DSH 进程权限在客户端运行，会使用麦克风并可能发起对 PyPI、Hugging Face、必应语音等站的网络请求。安装前建议在 GitHub 查阅源码与 MIT 许可证，确认与自身环境策略一致。社区目录 skillhub.cn 为独立站点，与 DeepSeek / 幻方无官方从属关系，并非官方应用商店。

结尾¶

dsh-voice-dialog 把连续听写、发送前确认、朗读与打断串成一条默认路径，并在可选 Whisper 栈上提供不阻塞语音的更新检查。需要安装包与详细 Whisper 升级流程时，以仓库 README 与 Releases 为准。

• 插件目录：https://www.skillhub.cn/plugins/QiNFPV/dsh-voice-dialog
• GitHub：https://github.com/QiNFPV/dsh-voice-dialog