dsh-sensevoice-npu：在 Intel NPU 上跑 SenseVoiceSmall 的 DSH 語音轉文字 Provider
dsh-sensevoice-npu 爲 DeepSeek Harness 官方實驗語音包新增 OpenVINO NPU 識別 provider，在不變更語音按鈕與 speech API 的前提下運行 SenseVoiceSmall。插件不下載模型，需 Python 3.11–3.13 與 NPU 驅動，通過 bootstrap.ps1 建環境並以 file: 路徑安裝到 desktop profile。默認 NPU 推理、CPU 跑 VAD 與 fbank，首次 bucket 編譯約 2.5 分鐘，適合 Core Ultra 用戶將重計算移出 CPU。
閱讀全文dsh-voice-input：在 DSH Web 對話裏本地離線語音轉文字
dsh-voice-input 是 moazzamak 維護的 DSH 社區插件，面向 web profile 的 Web GUI 對話輸入框。瀏覽器錄音後把音頻交給本機 harness，用 faster-whisper（默認 CPU）或 whisper.cpp/Vulkan（可選 GPU）離線識別，文本追加到草稿且不自動發送。支持 warm 模型、靜音切分下的邊說邊出字，以及可選的 cleanup 去口語 filler。安裝需 dsh plugin --profile web add github:moazzamak/dsh-voice-input 並運行包內 python/setup.py。適合重視隱私、在本機跑 Whisper 的 DSH 用戶；使用前請覈對源碼與 MIT 許可證。
閱讀全文Openai Whisper Skill：用 Whisper CLI 本地語音轉文字
Openai Whisper 是 SkillHub 上的 Agent Skill（@clawhub_steipete/openai-whisper，v1.0.0），指導 Agent 調用本機 Whisper CLI 完成語音轉文字，標籤 requires_api_key=false。文章說明其定位、核心能力、通過 skillhub install 安裝到 Cursor 等 skills 目錄的方法，以及上游提供的轉寫與翻譯示例命令。適合 design-media 場景下處理本地音視頻素材的開發者；需自行安裝 whisper 並承擔模型下載與算力成本。
閱讀全文語音轉文字：從 URL 拉取音頻並用 Faster-Whisper 本地轉錄
語音轉文字（@user_03f2ab96/yuyinzhuanxie）是 SkillHub 社區 Skill，從 URL 下載音頻並用 Faster-Whisper 在本機轉寫，支持 YouTube、小宇宙及 yt-dlp 可提取的站點，無需雲端 API。本文介紹其定位、核心能力、skillhub 安裝命令與各 Agent skills 目錄，並說明通過自然語言觸發轉寫任務的典型用法與使用注意。
閱讀全文抖音視頻提取文案：本地 Playwright + Whisper 把分享鏈接轉成文字
介紹 SkillHub 社區 Skill「抖音視頻提取文案」（@user_6a36b82b/douyin-transcribe-lz，v1.1.1）。當用戶提供 v.douyin.com、douyin.com、iesdouyin.com 鏈接或整段分享口令，並提出提取文案、視頻轉文字、語音轉錄或「這個視頻說了什麼」等意圖時，Agent 應啓用該 Skill。底層用 Playwright 繞過登錄牆捕獲視頻，Whisper medium 本地轉錄中文，無需雲端 API，requires_api_key=false。文中說明 skillhub CLI 安裝命令、各客戶端 skills 目錄及典型對話示例。
閱讀全文視頻內容智能分析工具：用鏈接完成下載、轉寫與摘要
視頻內容智能分析工具是 SkillHub 社區 Skill（v1.0.2，@user_09d1a78f/video-content-analyzer-plus），面向今日頭條、抖音、B站、西瓜視頻等鏈接，自動下載視頻、用 faster-whisper 語音轉文字，支持繁簡轉換與內容摘要。requires_api_key=false。安裝方式爲向 AI 發送 SkillHub 頁面提示，按 skillhub.md 安裝該座標。適用於在 Agent 對話中分析、總結視頻內容；需注意平臺範圍、環境與輸出需人工校對。
閱讀全文zemanzhang809/dsh-stt-plugin：DeepSeek Harness 語音輸入插件
DeepSeek Harness 插件通過集成瀏覽器 Web Speech API，爲對話界面提供了語音轉文本功能。該插件支持麥克風開關、識別語言設置、單次/連續聽寫模式及自動發送，所有音頻均在本地處理。安裝需滿足環境要求，使用時點擊工具欄按鈕即可實時語音輸入。支持 Chrome/Edge 完整支持及 Safari 部分，Firefox 不支持。
閱讀全文DeepSeek Harness 語音輸入最簡 Demo
DeepSeek Harness Web UI 中文語音輸入插件旨在解決 Web 界面中文輸入效率問題。該插件依賴瀏覽器原生語音識別 API，通過點擊輸入框右側的麥克風按鈕，將語音實時轉換爲文字並追加至輸入框中，識別後不自動發送，允許用戶手動編輯。使用前需在終端安裝插件，並重啓服務。適用場景包括快速輸入中文及輔助記錄，需注意僅支持 Web 平臺及 Chrome 瀏覽器，且音頻處理依賴瀏覽器服務，不保證離線可用。
閱讀全文dsh-voice-input-plugin：DeepSeek Harness Web 語音輸入插件
`dsh-voice-input-plugin` 是一款 DeepSeek Harness 的零依賴插件，利用瀏覽器原生 Web Speech API 實現本地語音轉文字。該插件無需構建步驟，通過 Web GUI 工具行提供麥克風按鈕，支持實時逐字轉寫及語音中繼續編輯，且不上傳音頻至後端。安裝需 DSH 版本 `>=0.1.0-rc.5`，並重啓 Web Profile 生效。目前僅支持 Chrome 和 Edge 瀏覽器，依賴在線識別服務，識別語言跟隨瀏覽器設置。
閱讀全文dsh-asr-voice：語音輸入與提示詞優化
DSH Harness 推出語音輸入插件 `dsh-asr-voice`，旨在解決語音打斷思維連續性的問題，將口語轉化爲乾淨文本。核心能力包括：支持瀏覽器原生及多種雲端 ASR 供應商的混合識別架構；提供三步配置嚮導，支持複用 DSH 憑據並自動填充 BaseURL；具備隱私自守特性，API Key 僅存儲於 DSH，錄音經本地格式轉換後上傳。插件支持實時語音對話、半雙工模式、快捷鍵操作及 LLM 優化，無需手動管理 API Key，爲用戶提供了高效、安全的語音交互閉環。
閱讀全文DeepSeek Harness 插件：dsh-audio-input (macOS 本地語音轉文字)
`dsh-audio-input` 是 DeepSeek Harness (DSH) 的一個 Web 插件，爲消息編輯器添加了麥克風按鈕。該插件利用 macOS 原生語音框架在本地運行輔助進程進行語音轉文字，無需雲 API 密鑰，確保音頻數據不出機器。安裝需在服務器 Mac 上運行命令，並配置遠程令牌。若需遠程語音輸入，遠程 Mac 需下載並運行輔助進程。配置支持語言設置及遠程模式開關。使用時點擊麥克風按鈕即可錄音並插入文本，需注意重啓服務及系統權限設置。
閱讀全文dsh-web-speech-input：給 DeepSeek Harness Web 輸入框加一個麥克風按鈕
dsh-web-speech-input 是 DeepSeek Harness Web UI 的語音轉文字插件（leozou320-ai 維護，v1.0.0，MIT 協議），核心功能是在 prompt composer 左側添加麥克風按鈕，點擊後通過瀏覽器 Web Speech API 即時將語音識別結果寫入當前草稿，支持中間與最終識別文本、自動語言選擇（頁面語言→瀏覽器語言→zh-CN 兜底）、清晰狀態提示、無障礙支持。插件絕不自動發送 prompt，提交動作始終由用戶完成。隱私方面，僅在用戶點擊後才請求麥克風權限，無服務端組件，不存儲音頻或發送網絡請求，音頻處理取決於瀏覽器實現。安裝要求
閱讀全文用 transcribe Skill 把會議錄音和播客轉成可檢索文本
介紹 OpenAI 官方 Agent Skill「transcribe」：基於 gpt-4o-mini-transcribe 與 gpt-4o-transcribe-diarize，將音頻/視頻轉爲文本，支持說話人分離與已知說話人提示。文章說明在 Codex、Cursor、Claude Code 中的安裝目錄與啓用方式，並給出捆綁 CLI 的快速轉寫、diarized_json 輸出等可復現示例，以及 25MB 限制、長音頻 auto 分塊、diarize 模型不支持 prompt 等注意事項。
閱讀全文