前言¶
在 DeepSeek Harness（DSH）里用语音往 Composer 里填字，官方实验性语音能力往往止于「识别原文落稿」：语气词、重复、半句话和同音错字会原样出现在草稿里。若你更习惯飞书 / Lark 那种「说完再整理成可发送段落」的体验，需要在转写与插入之间多一层整理。dsh-voice-polish 由社区维护者 howie79794-sys 发布，归类为模型推理相关插件，在本地用 SenseVoice 转写，再经你已配置的 DeepSeek 路由把口语收束成通顺文字，并写入 Composer 草稿。
这是什么¶
dsh-voice-polish 面向 DSH Web / Desktop 的 Composer：麦克风录音 → 本机 CPU 上 SenseVoice（ONNX）转写 → DeepSeek 整理 → 可编辑审阅面板 → 插入草稿。整理阶段不做扩写、不做摘要、不凭空加内容，仅做口语整理；识别器带来的同音错字也会在整理时顺带修正。
插件版本在资料中为 1.0.0，许可证 MIT；要求 DSH 0.2.2-rc.1+（需带本地识别底座）。社区目录页：https://www.skillhub.cn/plugins/howie79794-sys/dsh-voice-polish；源码与说明：https://github.com/howie79794-sys/dsh-voice-polish。
与官方语音输入的差异¶
官方内置实验语音链路是「转写 → 插入原始文本」。本插件在插入前增加 DeepSeek 整理一步，流程可概括为：说话 → 本地 SenseVoice 文稿 → DeepSeek 整理 → 审阅 → 草稿。README 中给出的对照示例里，原始口语文本经整理后去掉冗词、理顺标点，语义不增不减。
安装后 Composer 工具栏会出现 Voice 按钮；录音时有电平条与计时，「Stop & tidy」结束并进入转写与整理；Esc 或 Cancel 可放弃本次录音。
核心功能¶
Composer 麦克风入口
点击开始录音，结束时选择停止并整理；支持实时电平与计时；取消则不保留音频。
本地识别
使用 SenseVoiceSmall（ONNX、CPU）。语言提示支持 auto、zh、en、yue、ja、ko。首次使用需一次性下载模型（int8 约 239 MB），支持 HuggingFace / HF-Mirror 回退，之后可完全离线转写。
审阅面板
整理结果可编辑；可查看原始转写、重新整理，或仅插入原文。整理失败时仍保留转写文本，避免丢话。
三种整理强度
light 仅去语气词并规范标点；standard 为默认，接近飞书式整理；strict 进一步书面化规范化。
接入成本
整理复用 Profile 里已配置的 DeepSeek 路由，无需额外 API Key。界面适配明暗主题。
隐私（插件自述）
音频在本机进程内转写，不传出机器；仅转写文本（通常数百 token 量级）发往你所配置的模型做整理；不落盘持久化，只有在你发送消息后才成为会话内容。
安装与启用¶
任选一种安装方式（命令与路径以仓库 README 为准）：
- DSH 插件市场（dshmarket / Discover）：搜索
dsh-voice-polish一键安装。 - CLI · 预构建 Release 包（README 推荐，无需构建脚本审批）：
dsh plugin --profile <profile> add https://github.com/howie79794-sys/dsh-voice-polish/releases/download/v1.0.0/dsh-voice-polish-1.0.0.tgz
- CLI · GitHub 源码：
dsh plugin --profile <profile> add github:howie79794-sys/dsh-voice-polish
安装后刷新页面，Composer 工具栏应出现 Voice 按钮。首次点击会引导完成本地模型一次性下载；需在浏览器与操作系统中允许麦克风。插件以当前 DSH 进程权限运行，安装前建议浏览源码与 LICENSE，确认与你的工作区策略一致。
配置¶
在 Profile patch 中编辑 voice-polish 条目的 config（可先切换插件一次以生效）。字段与默认值如下：
| 字段 | 默认值 | 说明 |
|---|---|---|
language |
auto |
识别提示：auto / zh / en / yue / ja / ko |
style |
standard |
整理档位：light / standard / strict |
polishProvider |
deepseek-official |
整理所用模型路由；可自动回退到已配置的 DeepSeek 路由 |
polishModel |
deepseek-chat |
整理模型名 |
maxDurationSeconds |
180 |
单次录音时长上限 |
enabled |
true |
总开关 |
典型用法¶
- 确认 DSH 版本不低于 0.2.2-rc.1，且 Profile 中 DeepSeek 路由可用。
- 完成安装并刷新，点击 Voice，按提示下载 SenseVoice 模型并授权麦克风。
- 对着麦克风说明需求，点击「Stop & tidy」。
- 在审阅面板检查整理稿，必要时改字、查看原文或重新整理，确认后插入 Composer 草稿，再照常发送消息。
若你曾启用官方「Voice Input」实验包，请勿与本插件同时开启：二者注册同一本地识别器，需先禁用其一再切换。
适用场景与注意¶
适合谁
经常在 Composer 里口述长段提示、希望少改语气词和同音错字、又希望转写尽量留在本机的 DSH 用户。
环境要求
浏览器采集麦克风需 HTTPS 或回环地址；DSH Desktop 或本地 dsh web 通常满足。Node 引擎要求 >=20.0.0（见 package.json）。
开发者视角（摘自 README）
Host 侧提供回环路由 /api/voice-polish（status / prepare / dictate / polish）；转写走 ctx.speechToText，整理走 ctx.llm.prepareCall().stream()。Client 侧注册 conversation.input.activity，音频经 MediaRecorder 与 Web Audio 重采样为 16 kHz 单声道 PCM16 WAV 后 base64 上传；录音管线改编自 @deepseek-ai/dsh-experimental-client-ui-voice-input（MIT）。
DSH 生态强调「一切皆插件」；SkillHub 等社区目录为独立站点，与 DeepSeek / 幻方无官方从属关系，本文所述安装与能力均以插件仓库说明为准。
小结¶
dsh-voice-polish 在 DSH 本地 SenseVoice 转写之后补上 DeepSeek 口语整理与审阅插入，贴近飞书式语音输入体验，且音频转写留在本机。进一步细节与截图见 GitHub 仓库，目录索引见 SkillHub 插件页。
