dsh-sensevoice-npu：在 Intel NPU 上跑 SenseVoiceSmall 的 DSH 语音转文字 Provider
dsh-sensevoice-npu 为 DeepSeek Harness 官方实验语音包新增 OpenVINO NPU 识别 provider，在不变更语音按钮与 speech API 的前提下运行 SenseVoiceSmall。插件不下载模型，需 Python 3.11–3.13 与 NPU 驱动，通过 bootstrap.ps1 建环境并以 file: 路径安装到 desktop profile。默认 NPU 推理、CPU 跑 VAD 与 fbank，首次 bucket 编译约 2.5 分钟，适合 Core Ultra 用户将重计算移出 CPU。
阅读全文dsh-voice-input：在 DSH Web 对话里本地离线语音转文字
dsh-voice-input 是 moazzamak 维护的 DSH 社区插件，面向 web profile 的 Web GUI 对话输入框。浏览器录音后把音频交给本机 harness，用 faster-whisper（默认 CPU）或 whisper.cpp/Vulkan（可选 GPU）离线识别，文本追加到草稿且不自动发送。支持 warm 模型、静音切分下的边说边出字，以及可选的 cleanup 去口语 filler。安装需 dsh plugin --profile web add github:moazzamak/dsh-voice-input 并运行包内 python/setup.py。适合重视隐私、在本机跑 Whisper 的 DSH 用户；使用前请核对源码与 MIT 许可证。
阅读全文Openai Whisper Skill：用 Whisper CLI 本地语音转文字
Openai Whisper 是 SkillHub 上的 Agent Skill（@clawhub_steipete/openai-whisper，v1.0.0），指导 Agent 调用本机 Whisper CLI 完成语音转文字，标签 requires_api_key=false。文章说明其定位、核心能力、通过 skillhub install 安装到 Cursor 等 skills 目录的方法，以及上游提供的转写与翻译示例命令。适合 design-media 场景下处理本地音视频素材的开发者；需自行安装 whisper 并承担模型下载与算力成本。
阅读全文语音转文字：从 URL 拉取音频并用 Faster-Whisper 本地转录
语音转文字（@user_03f2ab96/yuyinzhuanxie）是 SkillHub 社区 Skill，从 URL 下载音频并用 Faster-Whisper 在本机转写，支持 YouTube、小宇宙及 yt-dlp 可提取的站点，无需云端 API。本文介绍其定位、核心能力、skillhub 安装命令与各 Agent skills 目录，并说明通过自然语言触发转写任务的典型用法与使用注意。
阅读全文抖音视频提取文案：本地 Playwright + Whisper 把分享链接转成文字
介绍 SkillHub 社区 Skill「抖音视频提取文案」（@user_6a36b82b/douyin-transcribe-lz，v1.1.1）。当用户提供 v.douyin.com、douyin.com、iesdouyin.com 链接或整段分享口令，并提出提取文案、视频转文字、语音转录或「这个视频说了什么」等意图时，Agent 应启用该 Skill。底层用 Playwright 绕过登录墙捕获视频，Whisper medium 本地转录中文，无需云端 API，requires_api_key=false。文中说明 skillhub CLI 安装命令、各客户端 skills 目录及典型对话示例。
阅读全文视频内容智能分析工具：用链接完成下载、转写与摘要
视频内容智能分析工具是 SkillHub 社区 Skill（v1.0.2，@user_09d1a78f/video-content-analyzer-plus），面向今日头条、抖音、B站、西瓜视频等链接，自动下载视频、用 faster-whisper 语音转文字，支持繁简转换与内容摘要。requires_api_key=false。安装方式为向 AI 发送 SkillHub 页面提示，按 skillhub.md 安装该坐标。适用于在 Agent 对话中分析、总结视频内容；需注意平台范围、环境与输出需人工校对。
阅读全文zemanzhang809/dsh-stt-plugin：DeepSeek Harness 语音输入插件
DeepSeek Harness 插件通过集成浏览器 Web Speech API，为对话界面提供了语音转文本功能。该插件支持麦克风开关、识别语言设置、单次/连续听写模式及自动发送，所有音频均在本地处理。安装需满足环境要求，使用时点击工具栏按钮即可实时语音输入。支持 Chrome/Edge 完整支持及 Safari 部分，Firefox 不支持。
阅读全文DeepSeek Harness 语音输入最简 Demo
DeepSeek Harness Web UI 中文语音输入插件旨在解决 Web 界面中文输入效率问题。该插件依赖浏览器原生语音识别 API，通过点击输入框右侧的麦克风按钮，将语音实时转换为文字并追加至输入框中，识别后不自动发送，允许用户手动编辑。使用前需在终端安装插件，并重启服务。适用场景包括快速输入中文及辅助记录，需注意仅支持 Web 平台及 Chrome 浏览器，且音频处理依赖浏览器服务，不保证离线可用。
阅读全文dsh-voice-input-plugin：DeepSeek Harness Web 语音输入插件
`dsh-voice-input-plugin` 是一款 DeepSeek Harness 的零依赖插件，利用浏览器原生 Web Speech API 实现本地语音转文字。该插件无需构建步骤，通过 Web GUI 工具行提供麦克风按钮，支持实时逐字转写及语音中继续编辑，且不上传音频至后端。安装需 DSH 版本 `>=0.1.0-rc.5`，并重启 Web Profile 生效。目前仅支持 Chrome 和 Edge 浏览器，依赖在线识别服务，识别语言跟随浏览器设置。
阅读全文dsh-asr-voice：语音输入与提示词优化
DSH Harness 推出语音输入插件 `dsh-asr-voice`，旨在解决语音打断思维连续性的问题，将口语转化为干净文本。核心能力包括：支持浏览器原生及多种云端 ASR 供应商的混合识别架构；提供三步配置向导，支持复用 DSH 凭据并自动填充 BaseURL；具备隐私自守特性，API Key 仅存储于 DSH，录音经本地格式转换后上传。插件支持实时语音对话、半双工模式、快捷键操作及 LLM 优化，无需手动管理 API Key，为用户提供了高效、安全的语音交互闭环。
阅读全文DeepSeek Harness 插件：dsh-audio-input (macOS 本地语音转文字)
`dsh-audio-input` 是 DeepSeek Harness (DSH) 的一个 Web 插件，为消息编辑器添加了麦克风按钮。该插件利用 macOS 原生语音框架在本地运行辅助进程进行语音转文字，无需云 API 密钥，确保音频数据不出机器。安装需在服务器 Mac 上运行命令，并配置远程令牌。若需远程语音输入，远程 Mac 需下载并运行辅助进程。配置支持语言设置及远程模式开关。使用时点击麦克风按钮即可录音并插入文本，需注意重启服务及系统权限设置。
阅读全文dsh-web-speech-input：给 DeepSeek Harness Web 输入框加一个麦克风按钮
dsh-web-speech-input 是 DeepSeek Harness Web UI 的语音转文字插件（leozou320-ai 维护，v1.0.0，MIT 协议），核心功能是在 prompt composer 左侧添加麦克风按钮，点击后通过浏览器 Web Speech API 实时将语音识别结果写入当前草稿，支持中间与最终识别文本、自动语言选择（页面语言→浏览器语言→zh-CN 兜底）、清晰状态提示、无障碍支持。插件绝不自动发送 prompt，提交动作始终由用户完成。隐私方面，仅在用户点击后才请求麦克风权限，无服务端组件，不存储音频或发送网络请求，音频处理取决于浏览器实现。安装要求
阅读全文用 transcribe Skill 把会议录音和播客转成可检索文本
介绍 OpenAI 官方 Agent Skill「transcribe」：基于 gpt-4o-mini-transcribe 与 gpt-4o-transcribe-diarize，将音频/视频转为文本，支持说话人分离与已知说话人提示。文章说明在 Codex、Cursor、Claude Code 中的安装目录与启用方式，并给出捆绑 CLI 的快速转写、diarized_json 输出等可复现示例，以及 25MB 限制、长音频 auto 分块、diarize 模型不支持 prompt 等注意事项。
阅读全文