bigfurma-bot/dsh-voice-dictation

dsh-voice-dictation

为 DeepSeek Harness (DSH) 提供的按键说话语音听写功能：
消息编辑器中的麦克风按钮会录制你的声音，通过本地语音转文字服务器进行转录，
并将文本直接填入消息草稿——实现免手动提示。

工作原理

- 浏览器端 —— 编辑器中的麦克风按钮；按住/点击进行录制，松开后音频
发送到主机端。
- 主机端 —— POST /voice/transcribe 将音频转发到本地
Parakeet STT HTTP 服务器（默认
http://127.0.0.1:5093），当服务不可达时以本地 whisper CLI 作为回退。
- 转录后的文本会填入编辑器草稿；由你审阅并发送。

一切都在你的机器上运行——不使用云端语音 API。

| 编辑器中的麦克风按钮 | 听写中…… | 文本填入草稿 |
|---|---|---|
| 编辑器中的麦克风按钮 | 听写中 | 草稿已填入 |

安装

cd ~/.dsh/profiles/web
rm -rf node_modules/@deepseek-ai/dsh-voice-dictation   # 删除任何过期的副本
pnpm add --force "file:/path/to/this/repo"

将组合行添加到 ~/.dsh/profiles/web/cordis.patch.yml：

- insert:
- id: voice-dictation
name: '@deepseek-ai/dsh-voice-dictation'

重启 DSH web，然后在编辑器中寻找麦克风按钮。

配置

| 键 | 默认值 | 含义 |
|---|---|---|
| sttUrl | http://127.0.0.1:5093 | 兼容 Parakeet 的 STT HTTP 端点 |
| sttModel | 服务器默认值 | 传递给 STT 服务器的模型选择器 |

你需要一个正在运行的 STT 后端，例如在配置端口上通过 HTTP 提供服务的 NVIDIA Parakeet。
如果没有，插件会降级为 whisper CLI 回退方案（需要 whisper 位于 PATH 中）。

许可证

MIT —— 参见 LICENSE。