麦克风语音输入 QT-Chen/dsh-mic-input

dsh-mic-input

DeepSeek Harness (DSH) Web GUI 的麦克风语音输入插件 —— 纯浏览器实现，零服务端、零密钥。

English version: README.md

纯 Client 插件，在 DSH Web GUI 输入框工具行右侧添加一个麦克风按钮：点击开始/停止录音，语音实时转写进输入框。全部通过浏览器内置的 Web Speech API 完成：

- Microsoft Edge → 微软 Azure 语音服务
- Google Chrome → 谷歌/Chrome 语音服务

零服务端、零 API Key、零模型下载。音频只交给浏览器自带的语音服务，插件本身不落盘、不上传。

功能

- 输入框工具行麦克风按钮（发送按钮左侧）：点击开始/停止；录音时红色脉动光圈
- 实时转写：边说边把中间结果填进输入框
- 文字不重复：草稿永远基于录音开始时的输入框内容重建，并自动去重 interim 回显前缀（修复 Web Speech 插件常见的"重复文字"问题）
- 静默自动续听：浏览器停顿约 1.5 秒断连后自动重连续听（最多 6 次），长句不会被切断
- 智能标点（默认开启）：句末自动补全——吗/呢 结尾补 ？，吧/啊/呀/哦/嘛/啦/哇/哈 结尾补 ！，其余补 。（英文补 .）；可选：自动补全 / 保留原样 / 去除
- 语言选择：跟随系统 / 中文（zh-CN）/ English（en-US）——语言匹配错误是识别跑偏的头号原因
- 识别后自动发送（可选）：说完自动提交
- 设置入口：设置 → 通用 → 语音输入
- 错误可见：权限被拒、网络错误等以中/英文提示显示在按钮悬停处

安装

dsh plugin --profile web add github:QT-Chen/dsh-mic-input

或从 npm 安装（预构建产物，无需构建授权）：

dsh plugin --profile web add dsh-mic-input

重启 dsh web（或刷新页面），点输入框右侧的麦克风按钮即可。首次使用浏览器会请求麦克风权限，允许即可（127.0.0.1 / localhost 属安全上下文，可用）。

提示：从 GitHub 源码安装时，pnpm ≥ 10 可能要求一次 allowBuilds 构建授权；npm 安装则无需此步骤。

使用建议

- 录音即开始一个会话；再点一次按钮停止，转写文字保留在输入框中（勾选"自动发送"才会自动提交）
- 识别乱码时先检查语言设置——说的语言和设置的语言不一致是常见原因
- 识别质量取决于浏览器自带引擎（Edge 走微软、Chrome 走谷歌，两者可能有明显差异）

隐私

无服务端、无存储：音频由浏览器语音服务（微软/谷歌）处理，只有最终文字进入 DSH。插件本身不写盘。

License

MIT