语音听写 dajie2014/dsh-dictation-turbo

Dictation Turbo

双击 Control 说话，文字直接落进输入框 —— 中文、德语、英文都不用切输入法。

给 DSH（DeepSeek Harness）用：在它的窗口里，用说的代替打字。

为什么值得用

1. 不用切输入法

说中文、说德语、说英文，不必在输入法之间来回切（不用 ⌘空格 去翻那个语言）。
语音直接就变成文字了 —— 这条路根本不经过输入法。

混着说几种语言的人感觉最明显：一句中文、一句德语，中间没有任何切换动作。

2. 说哪种语言，它自己判断

两只耳朵同时待命：

| 你说的 | 谁来听 | 为什么 |
| 中文 / 英文 | DSH 自带的识别（SenseVoice） | 中文更准：简体、全角标点 |
| 德语及另外 600 多种 | 本机 VoiceStudio | DSH 那个模型没学过德语 |

分工是自动的：先把音频交给 VoiceStudio（它自带语言检测），听出来是中文，就换 DSH 再听一遍；任何一边没接上，另一边顶上。没有「选语言」这个动作。

VoiceStudio 是可选的。没装它也能用 —— 只是只有中文和英文。
装了它，德语等长尾语言才走得通。

3. 靠听写输入的人（包括看不见屏幕的人）

操作被压到只剩一个动作：

- 双击 Control → 开始说（一声轻提示音）
- 再双击 Control → 结束，文字落进输入框（又一声轻提示音）

不用看屏幕找按钮、不用鼠标、也不用先把光标点进输入框 ——「去点那个麦克风」本来是最不适合看不见的人的一步。
状态全靠声音：响一声开录、响一声结束，没听清是另一个音高。

用

| 动作 | 结果 |
| 双击 Control | 开始录音（右下角出现红点 + 秒数 + 音量条） |
| 再双击 Control | 结束、识别、文字落进输入框 |
| Option + 双击 Control | 自检：把该查的查一遍（输入框认不认得、两只耳朵通不通） |

太安静就不送识别：全程没声音时它会说「没听到声音」，而不是硬猜一句莫名其妙的话出来 —— 这是「听写很糟」的一大来源。

装

1. 把这个仓库放到本地任意位置，例如 ~/dsh-dictation-turbo

2. 编辑 ~/.dsh/profiles/desktop/package.json，加两处：

{
"dependencies": {
"dictation-turbo": "file:/你的路径/dsh-dictation-turbo" },
"dsh": {
"profile": {
"bundles": ["dictation-turbo"]
}
}
}

3. 装依赖 —— ⚠️ 必须带 --no-frozen-lockfile：

cd ~/.dsh/profiles/desktop
pnpm install --no-frozen-lockfile

⚠️ 默认的 pnpm install 会因为锁文件对不上，先把整个 node_modules 删光，你装过的其它插件会一起消失。

4. 重启 DSH。之后改 client.js 只要刷新页面（⌘R）就生效。

想让它会说德语，还差一步

VoiceStudio 是个本机服务（默认 http://127.0.0.1:3900）。要跨源访问它，得让它的允许来源里有 dsh-app://app —— 这是 DSH 页面的真实来源（Electron 的私有协议，不是浏览器地址栏上那个地址；写地址栏那个没有用）。

它跟 DSH 官方语音输入的关系

官方那套是「点界面上的麦克风按钮」，识别用 DSH 自己的引擎。

本插件自己录音、自己选引擎、自己把字落进输入框，所以才能做官方做不到的那件事：同一句话，按语言自动换引擎。
（也因此它不依赖界面上的按钮长什么样，DSH 改版不容易把它弄坏。）

想在任何程序里听写（不只是 DSH 窗口），那是另一个形态的版本。

已知限制

- 只在 DSH 窗口里有效。
- DSH 必须开着 —— 识别引擎住在它里面。
- 中文 / 英文只要 DSH；德语需要 VoiceStudio 也在跑。
- 本插件自己不带模型，能听哪些语言取决于上面这两个引擎。

许可

MIT · 作者 Jie Da