前言¶

在 DeepSeek Harness（DSH）里和智能体对话，输入框仍是主要入口。官方实验性的 Voice Input 套件可以把语音转文字，但习惯上往往是「录一段再识别」，输入节奏和口述不完全同步。若你希望像对讲机一样按住键说话、草稿区里字句跟着声音刷新，又不愿额外下载模型或把音频发到公网，社区插件 dsh-voice-ptt 针对的就是这一条路径：复用 Voice Input 已准备好的本地 SenseVoice，在 composer 里做 Push-to-talk（PTT）听写。

下面按定位、能力、安装、用法与配置说明该插件；事实以仓库 README 与 npm 包 dsh-voice-ptt（当前版本 0.3.1）为准。

这是什么¶

dsh-voice-ptt 由维护者 zmq6931 发布，在 SkillHub 目录中归类为「模型推理」。它本身不捆绑、也不下载 ASR 模型，而是把浏览器端的录音与热键逻辑接到 DSH 的 ctx.speechToText 服务上——该服务来自官方 Voice Input 实验套件。按住 Right Ctrl 开始口述，松开键时用最终识别结果替换过程中的 interim 文本；也可点击 composer 中的麦克风按钮切换录音。

与系统级全局听写不同，热键作用范围在 DSH 窗口内；与占用 Windows 右侧 Alt 的部分桌面助手相比，默认使用 Right Ctrl，便于与 Kimi 等工具并存，按键可在配置中更换。

核心功能¶

1. Push-to-talk 与点击录音：按住 Right Ctrl 至少约 0.2 秒开始听写；松开结束并以完整识别覆盖 interim 稿。composer 内麦克风按钮可点击开/关。

2. 边说边刷新（分块重识别）：当前语句大约每 0.7 秒重新转写一次并原地更新草稿，并非逐字流式；松键后的全文再识别通常更准确。长口述约每 15 秒提交一段，以控制单块推理延迟。

3. 本地默认识别：复用 Voice Input 已下载的 SenseVoice，模型目录为 $DSH_HOME/speech-to-text/sensevoice，无需本插件再下模型、无需 API Key；本地模式下音频不离开本机。

4. 组合键兼容：Right Ctrl 后 220 ms 内再按其他键视为 Ctrl+C、Ctrl+V 等组合键，不进入录音。

5. 可选云端 ASR：可配置 OpenAI 兼容的 POST {baseUrl}/audio/transcriptions 端点；失败时可按配置回退本地（fallbackLocal）。

6. 状态提示：右下角状态条显示聆听、识别、已写入或错误信息。切换到其他窗口时录音自动结束。

若未启用或未准备好 Voice Input，插件 host 侧会保持 pending，热键显示错误而非开始录音。

环境与依赖¶

• DSH 0.2.x（README 注明在 0.2.2-rc.1 desktop 上测试；Web GUI 预期行为一致）。
• 已启用官方实验性 Voice Input 套件，并在 DSH 中完成 Plugins → Voice Input → Download and prepare。
• 本插件依赖实验性 ctx.speechToText API，后续 DSH 版本若变更该接口可能导致不兼容。

安装与启用¶

推荐从 npm 安装（desktop 配置档）：

dsh plugin --profile desktop add dsh-voice-ptt

Web 配置档：

dsh plugin --profile web add dsh-voice-ptt

亦可从 GitHub 或本地路径添加（与 README 一致）：

dsh plugin --profile desktop add github:zmq6931/dsh-voice-ptt
dsh plugin --profile desktop add link:/absolute/path/to/dsh-voice-ptt

DSH Plugins 面板可使用相同规格。安装后需 重启 DSH 或刷新 GUI，麦克风按钮与热键才会出现。

插件在 DSH 进程权限下运行，安装前请自行查阅 GitHub 仓库 源码与 MIT 许可证；本文不替代安全审计。

典型用法¶

听写过程中可有约 0.5–1.5 秒主观延迟；小模型在 homophone、专名、嘈杂环境下会有常见误识别。README 建议：麦克风近且安静、短句口述、显式设置 language（粤语可用 yue），或改用云端 ASR。

配置¶

主配置文件路径：$DSH_HOME/voice-ptt.json，UTF-8 无 BOM。浏览器侧在插件挂载时读取，修改后需刷新或重启 DSH。

默认示例：

{
  "language": "auto",
  "hotkey": "ControlRight"
}

内置 hotkey code：ControlRight、ControlLeft、AltRight、AltLeft、ShiftRight、MetaRight。

按来源的即时覆盖（优先于文件）：

localStorage["dsh-voice-ptt:language"] = "yue";
localStorage["dsh-voice-ptt:hotkey"] = "AltRight";

云端模式示例（音频会上传到你所配置的端点）：

{
  "asr": "cloud",
  "language": "auto",
  "fallbackLocal": true,
  "cloud": {
    "baseUrl": "https://api.siliconflow.cn/v1",
    "apiKey": "sk-...",
    "model": "FunAudioLLM/SenseVoiceSmall",
    "language": "auto",
    "timeoutMs": 60000
  }
}

API Key 留在 host 进程；/voice-ptt/config 仅返回脱敏信息（如 hasKey）。云端模式下说话期间约每 0.7 秒重发当前片段，请求次数与口述时长相关。

隐私（README 摘要）：本地模式在浏览器转 16 kHz 单声道 WAV，经插件 loopback host 路由交给本地 SenseVoice；云端模式仅上传配置端点所需的 WAV 段；路由限制在 loopback/受信主机与同源请求。

适用场景与注意¶

适合：已在 DSH desktop 或 Web 中使用 Voice Input 本地模型、希望 composer 内 PTT 听写、且希望默认不离机识别的工作流。

不适合或需注意：需要系统级全局热键、声纹选择、唤醒词或自动发送消息；依赖实验性 speech-to-text 接口的长期稳定承诺。Right Ctrl 本身是修饰键：按住超过 220 ms grace 后才按快捷键会先进入听写，需松键结束。无说话人选择；仅听写，不代替发送逻辑。

DSH 生态奉行「一切皆插件」；SkillHub 目录页 为社区站点，与 DeepSeek / 幻方无官方从属关系。

结尾¶

dsh-voice-ptt 在不大改官方 Voice Input 资产的前提下，把「按住 Right Ctrl → 草稿随说更新 → 松键定稿」落到 composer 上，并保留可选云端 ASR 与组合键容错。若你正在 DSH 0.2.x 上调试语音输入，可优先完成 Voice Input 模型准备，再执行 dsh plugin --profile desktop add dsh-voice-ptt 验证热键与麦克风按钮。

• 目录页：https://www.skillhub.cn/plugins/zmq6931/dsh-voice-ptt
• GitHub：https://github.com/zmq6931/dsh-voice-ptt