dsh-voice-input

dsh-voice-input

DeepSeek Harness（dsh）WebUI 语音输入插件：在输入框旁点一下麦克风按钮 → 说话 → 松开即本地离线转写为文字，自动回填到输入框。

• 全程本地离线：音频与转写都在本机完成，不出本机、不上传任何云端服务。
• 引擎：SenseVoice（sherpa-onnx），支持中文（自动标点）与中/英/日/韩/粤多语言。
• 模型：首次转写自动下载到 ~/.dsh/voice/sensevoice/（约 230MB，来自 sherpa-onnx 官方 release）。

安装

dsh plugin --profile web add dsh-voice-input
# 重启 dsh web 后生效

若提示 ERR_PNPM_ADDING_TO_ROOT（profile 是 pnpm workspace 根），改用：

cd ~/.dsh/profiles/web && pnpm add -w dsh-voice-input

Apple Silicon 上若默认终端是 Rosetta（x64），用 arch -arm64 前缀安装以保证与 dsh host 架构一致（见「平台与架构」）。

使用

• 打开任意会话，在输入框左侧点击麦克风按钮开始录音。
• 再次点击停止，插件将音频转写为文字并回填到输入框。
• 首次使用会自动下载 SenseVoice 模型（约 230MB），之后即用即走、毫秒级转写。

按住说话（push-to-talk）热键

默认 按住 Alt+Space 说话，松开自动转写（页面内全局生效，不要求焦点在输入框；麦克风按钮照常可用）。

修改热键：在 profile 的 cordis.patch.yml 给插件加 config.hotkey（组合键：alt/ctrl/cmd/shift + 按键，如 alt+v、f2、ctrl+shift+space），或设环境变量 DSH_VOICE_HOTKEY：

- insert:
    - id: dsh-voice-input
      name: dsh-voice-input
      config:
        hotkey: alt+v

注意：热键只在 dsh web 页面获得焦点时生效（浏览器无法捕获页面外按键）；Cmd+Space 与系统快捷键冲突，建议避开。

若界面报错，转写接口的错误响应会带 debug 探测信息（模块解析路径/导出状态），配合 GET /dsh-voice-input/v1/diagnose 可快速定位。

隐私说明

• 录音与转写全程在本机进行，音频数据不会发送到任何外部服务。
• 转写模型由 k2-fsa/sherpa-onnx 官方 release 提供，下载来源可校验。

平台与架构

转写引擎依赖 sherpa-onnx-node 的原生绑定。其平台包（sherpa-onnx-darwin-arm64 / sherpa-onnx-darwin-x64 / sherpa-onnx-linux-* / sherpa-onnx-win-*）在安装时按 npm/pnpm 进程的 node 架构自动选装。

⚠️ Apple Silicon 注意：如果默认终端跑在 Rosetta（x64）下（node -p process.arch 输出 x64，但机器是 M 系列），直接安装会装成 x64 平台包，而 dsh host 通常是 arm64 原生进程，运行时转写会报 Could not find sherpa-onnx-node。请用原生终端或 arch -arm64 前缀安装，保证安装架构与 host 一致。

安装/排障后可用内置 doctor 检查：

node scripts/doctor.mjs          # 完整诊断（有问题 exit 1）
node scripts/doctor.mjs --json   # 机器可读

若原生模块缺失，doctor 与转写接口的错误响应都会给出针对当前架构的修复命令（补装平台包 / pnpm 虚拟 store 补链）。

可选环境变量

变量	说明	默认
DSH_VOICE_MODEL_DIR	模型目录	~/.dsh/voice/sensevoice

开发

npm install                 # 依赖 sherpa-onnx-node（按平台自动装原生绑定）
node scripts/smoke.mjs      # 冒烟测试：10s 中文音频转写
node scripts/test-server.mjs # server 路由端到端测试（mock ctx）

License

MIT