语音输入 fingercd/dsh-voice-input

为 DeepSeek Harness Web 界面打造的流式语音输入插件。
点击麦克风 · 开口说话 · 转写文本实时落入输入框。

version
license
platform
engine
dsh

DSH Web 界面的 client 插件：在输入框工具行注入一个麦克风按钮，流式语音识别，自动引擎回退 —— 速度优先，关键时刻用准确度。

| ⚡ Web Speech API（默认） | 🎯 本地 FunASR（回退） |
| 浏览器原生流式 · 零部署 · 边说边出字 | Paraformer-large-online · 中文 ASR 事实标准 · CUDA 加速 |
| 最快 —— 逐字实时 | 最准 —— 阿里达摩院 FunASR（15k+ ⭐） |

Web Speech 识别失败（如 Chrome 无法访问 Google 服务）时，插件自动回退到本地 FunASR 服务；也可用 localStorage 强制指定引擎。

✨ 特性

- 🎤 一键麦克风：注入 composer 工具行（conversation.input.left slot）—— 纯插件，不改官方代码
- 📡 流式转写：说话时实时预览（320ms 增量帧），停止后写入输入框
- 🔀 自动引擎回退：Web Speech 失败 → 本地 FunASR，无需用户干预
- 🖥️ CUDA 本地识别：实测实时率 } · {"type":"final","text":} {"type":"ok"} · {"type":"error","message":}

流式模型输出的是增量文本 —— 客户端负责累计拼接（详见 scripts/funasr_server.py 文档字符串）。

🧩 插件结构

| 文件 | 职责 |
| lib/index.js | 宿主侧（node）—— 空 apply，保证进入 Loader roster |
| lib/client.js | 浏览器 bundle —— 麦克风按钮、双引擎编排、草稿提交 |
| cordis.patch.yml | Bundle patch（dsh.bundle）—— 安装时自动注册 voice-input roster 行 |
| scripts/funasr_server.py | 本地流式识别服务（FastAPI + WebSocket + FunASR） |
| scripts/install_funasr.ps1 | 一键依赖安装 |

- 注册在 conversation.input.left slot；通过 owner 注入的 useInput / inputActions 读写草稿 —— 与 client-runtime 无深耦合
- bundle 只依赖 shell 静态 externals 表中的 react，对版本漂移免疫

🤝 参与贡献

欢迎 PR！值得探索的方向：2-pass 模式（修正安全的流式）、音量电平指示、命令（/）触发集成、多语言模型切换。

📄 开源协议

MIT © fingercd

⚖️ 第三方声明

本项目使用了 FunASR（MIT）、 paraformer-zh-streaming（Apache-2.0）、 DeepSeek Harness（MIT）以及 Lucide（ISC）的图标路径。
完整许可证文本与署名见 THIRD_PARTY_NOTICES.md。