按住说话 he-miaoqing/dsh-voice-space

dsh-voice-space 🎤

在 DeepSeek Harness 里按住空格说话。在聊天输入框长按空格键开始录音，按住期间转写结果逐句流式显示，松手后自动校准（修同音字、删填充词、整理标点），再落到光标处。全程本地转写——音频不离开你的机器，不需要 STT API Key。

English · 中文

功能

- 按住说话：在输入框长按 Space（≥ 450 ms）开始录音，松手结束。轻点一下仍然输入普通空格。
- 实时出字：说话时句子会出现在悬浮面板里（按静音断句，每段停顿后约 0.6 秒）。
- 松手自动校准：整段转写结果交给 DeepSeek 处理一次并清理——纠正 ASR 同音字错误、删掉填充词（嗯/呃/那个/就是/然后）、修正标点——不改变原意。API、Key 或网络不可用时，退回原始转写。
- 输入法安全：确认中文输入法候选词用的空格不会被拦截。
- 本地 STT：SenseVoice（sherpa-onnx，CPU）跑在插件自己的宿主端。不需要 dsh-voice-local。
- Esc 取消；失焦会干净地取消。

功能

- 按住说话：输入框内长按空格（≥450ms）开始录音，松手结束；轻点空格仍是普通空格。
- 实时出字：说话时按静音断句，每个短句约 0.6 秒后实时显示在悬浮面板里。
- 松手自动校准：松开后全文交给 DeepSeek 校对一次——修同音字错别字、删填充词、补标点，不改变原意；接口/Key/网络不可用时自动退回原始转写。
- 中文输入法安全：选词用的空格不被拦截。
- 本地转写：SenseVoice（sherpa-onnx，CPU）在插件自己的宿主端运行，无需安装 dsh-voice-local。
- Esc 取消；窗口失焦自动取消。

安装

需要带桌面 / web 配置档（platform: web 客户端）的 DeepSeek Harness。已在 Windows 桌面应用（dsh 0.2.1-rc.5）上测试。

from the GitHub repository
dsh plugin --profile desktop add "github:he-miaoqing/dsh-voice-space"

or from npm (once published)
dsh plugin --profile desktop add dsh-voice-space

or from a local clone / path
dsh plugin --profile desktop add "link:<absolute path to this repo>"

然后完全退出并重新打开 DeepSeek Harness（打包版应用里刷新页面不够）。

模型

SenseVoice 模型（model.int8.onnx + tokens.txt，约 230 MB）首次使用时自动下载到 ~/.dsh/voice/sensevoice/（或 $DSH_HOME/voice/sensevoice/），从 Hugging Face 镜像拉取。你也可以提前把这两个文件放进去，跳过下载。

DeepSeek API Key（用于校准）

松手时的校准使用你配置的 DEEPSEEK_API_KEY，在请求时从 DSH 凭据接缝解析——它不会经过浏览器或插件缓存。没有 Key 时，直接插入原始转写。

用法

1. 点进主输入框。
2. 按住 Space 约 0.5 秒 → 面板显示 正在聆听…（松开空格结束，Esc 取消）。
3. 说话；转写结果流式进入面板。
4. 松手 → 短暂显示 正在校准优化… → 校准后的文本插入光标处。

工作原理

hold Space (client keydown)
└─ AudioWorklet records 16 kHz mono PCM (silence segmenter)
└─ POST /dsh-voice-space/v1/transcribe (per sentence)
└─ pure-JS WAV decode → sherpa-onnx SenseVoice → text
release
└─ flush tail → join sentences
└─ POST /dsh-voice-space/v1/polish (DeepSeek) → cleaned text
└─ insert into composer via inputActions.setDraft

草稿通过宿主的 React 受控通道写入（inputActions.setDraft，经由 conversation.input.left 插槽），所以撤销/历史记录和发送手势都照常工作。

宿主路由（/dsh-voice-space/v1）

| 方法 | 路径 | 用途 |
| GET | /health | 原生模块 + 模型状态 |
| GET | /model/status | 模型文件 + 下载状态 |
| POST | /model/download | 启动后台模型下载 |
| POST | /transcribe | WAV 请求体 → { ok, text } |
| POST | /polish | { text } → { ok, text } |
| GET/POST | /diag | 客户端生命周期信标（调试用） |

WAV 解码特意用纯 JS 实现：在 Electron 里，请求体以「外部」ArrayBuffer 的形式到达，而 sherpa-onnx 的原生 readWaveFromBinary（零拷贝）会抛出 External buffers are not allowed。

禁用 / 调试

- 禁用：在控制台运行 window.__dshVoiceSpace.disable()（向 localStorage 写入 dsh-voice-space:enabled=0）；用 enable() 恢复。
- 状态：window.__dshVoiceSpace.recording、.inputReady。

隐私

- 音频在本地转写，绝不写入磁盘，也不发送给任何 STT 服务。
- 润色步骤只把（已在本地转写好的）文本发送到 api.deepseek.com。
- API key 由服务端从 DSH 凭据接缝解析，绝不进入浏览器。

许可证

MIT