lgquan/dsh-voco

dsh-voco

dsh-voco 是面向 DeepSeek Harness（DSH）Web UI 的语音对话插件。它让你用自然语言说出需求，并将需要项目工具的工作委派给后台 Agent；完整任务报告仍保留在 DSH 会话中，语音只播报简洁结果。

插件使用硅基流动云端语音识别和 Edge TTS。它不是独立的浏览器扩展，也不需要单独运行一个后台服务。

安装前准备

- Node.js 22.19 或更高版本（安装 DSH CLI 时使用）。
- 一个已经可以运行的 DSH Web profile。
- 一个硅基流动 API Key。插件使用当前免费的语音转文字模型 XingChenAGI/XingChenASR-V3.2-Ultra，但仍需用户自行申请 Key；免费状态和使用规则以硅基流动模型页面为准。
- 支持麦克风的现代浏览器。

如果还没有 DSH CLI，先安装：

npm install -g @deepseek-ai/dsh

方式一：从 npm 安装（推荐）

这是普通用户最简单的安装方式。只安装公开的单一插件包，不需要下载或修改本仓库源码：

dsh plugin --profile web add @flowingspring/dsh-voco

安装完成后启动 DSH Web：

dsh web

打开终端显示的本地地址，在会话中点击麦克风并允许浏览器使用麦克风即可。

方式二：通过 GitHub Release 安装

GitHub Release 提供和 npm 相同的预构建插件包，不需要 clone 源码或准备 pnpm 开发环境：

dsh plugin --profile web add https://github.com/lgquan/dsh-voco/releases/download/v0.3.13/flowingspring-dsh-voco-0.3.13.tgz

Release 页面：v0.3.13

无论选择哪种安装方式，最后都通过 DSH 启动 Web UI：

dsh web

配置硅基流动 API Key

插件只需要一个密钥：SILICONFLOW_API_KEY。请先在硅基流动控制台申请自己的 API Key。语音转文字使用硅基流动当前免费的 XingChenAGI/XingChenASR-V3.2-Ultra；免费状态和使用规则以后续模型页面为准。不要把真实密钥写进源码、提交到 GitHub，或发送给其他人。

推荐配置：DSH 设置页面

启动 DSH 后打开“设置 → 插件 → 插件配置”，展开“语音助手（Voco）”，填写 API Key 并保存。密钥写入 DSH 的凭据库，不会写进普通设置文件，界面也不会读回密钥明文。保存后重新开启或重连语音即可生效。

下面的环境变量和 .env 方式继续保留，适合自动化或已有部署。

临时配置：当前 PowerShell 会话

在启动 DSH 的同一个终端中设置：

$env:SILICONFLOW_API_KEY = "sk-your-api-key"
dsh web

关闭该终端后，变量会失效。

持久配置：DSH 用户环境文件

可以创建 DSH 用户目录下的 .env。默认位置是 Windows 的 %USERPROFILE%\.dsh\.env（如果设置了 DSH_HOME，则使用 $DSH_HOME/.env）：

SILICONFLOW_API_KEY=sk-your-api-key

也可以在执行 dsh web 的当前目录创建 .env。DSH 凭据服务会读取这些环境层，插件在每次新建语音连接时通过凭据服务解析 SILICONFLOW_API_KEY。无需进入 npm 安装目录，也不要修改 node_modules 中的文件。

如果同时设置了系统环境变量、DSH 凭据库和 .env，已经继承的环境变量优先，其次是 DSH 凭据库。修改 .env 后请重启 dsh web，因为环境在进程启动时读取一次。

安装后怎么使用

1. 运行 dsh web 并打开 DSH Web UI。
2. 新建或选择一个会话。
3. 点击麦克风按钮并允许浏览器权限。
4. 直接说话；连续静音约 1.5 秒后，当前语句会提交给云端识别。也可以长按麦克风约 400 毫秒按住说话，松手后只提交这一段；未连接时长按会在提交后保持静音，以便接收语音回复。
5. 普通聊天由前台处理，需要读写项目或运行工具的工作会交给后台 Agent。

语音会话可以被打断、断线重连和恢复历史。每个语音会话会持续绑定自己的后台 Agent Session；上下文达到轮换阈值时，插件会为后续任务创建新的子会话，但仍归属于同一语音会话。

更新

使用 npm 更新到最新版本：

dsh plugin --profile web add @flowingspring/dsh-voco

也可以改用指定的 GitHub Release .tgz 地址。更新后重启 dsh web。

卸载

dsh plugin --profile web remove @flowingspring/dsh-voco

卸载插件不会自动删除已经保存的 API Key。需要彻底清除时，从 %USERPROFILE%\.dsh\.credentials.yaml（设置了 DSH_HOME 时为 $DSH_HOME/.credentials.yaml）的 refs 下删除 SILICONFLOW_API_KEY，并同时清理系统环境变量或 .env 中的同名配置。

卸载插件不会删除已经保存的 DSH 会话和语音历史；如需清理数据，请先确认对应数据目录后再手动处理。

主要能力
- SiliconFlow 免费模型 XingChenAGI/XingChenASR-V3.2-Ultra 云端语音转文字。
- Edge TTS zh-CN-XiaoxiaoNeural 中文语音回复。
- 语音、文字和后台 Agent 任务可以在同一 DSH 会话中协作。
- 委派前即时播报确认语，完整报告保留在任务界面。
- 页面切换、断线重连和 DSH 重启后恢复语音会话绑定。
- 可选接入 @flowingspring/dsh-workspace-memory；语音主会话和每个完成的委派子任务都会进入同一个 Workspace 长期记忆范围。

常见问题

点击麦克风提示缺少 API Key

确认启动 DSH 的进程能读到 SILICONFLOW_API_KEY。如果刚创建或修改了 .env，先停止旧的 DSH 进程，再重新运行 dsh web。

浏览器没有声音或无法录音

检查当前页面是否获得麦克风权限、系统输入设备是否正常，并确认使用的是 dsh web 提供的页面，而不是直接打开 HTML 文件。

识别失败或等待时间较长

语音识别需要访问硅基流动网络服务。请检查网络、API Key 有效期、账户额度，以及所选模型和 Provider 的响应延迟。

想调整静音和起音阈值

高级参数位于插件 profile 的 cordis.patch.yml，包括 silenceDurationMs、speechThreshold、minSpeechDurationMs 和 maxUtteranceMs。普通用户通常不需要修改这些参数。

可选 Workspace Memory

长期记忆不是 Voco 的必需依赖。需要时另外安装 @flowingspring/dsh-workspace-memory；只安装 Voco 也可以独立使用。安装 Memory 后，完成的委派任务会提交用户原始请求和最终可见结果，不会提交 reasoning、工具日志或注入上下文。Memory 插件的安装和配置请参阅其项目文档。

开发与反馈

- 源码与问题反馈：GitHub
- npm 包：@flowingspring/dsh-voco
- 架构说明：docs/ARCHITECTURE.md

许可证

MIT