流光语音输入 saul-dsh/dsh-siri-voice

dsh-siri-voice

给 DeepSeek Harness（dsh）做的语音输入增强插件，两件事：

1. 跑马灯：点开麦克风开始说话时，输入框上方浮出一条 Siri 风格的流光带——外圈旋转的渐变光，中间三层声波随你的音量起伏。
2. 转写清理：说完之后，把「嗯、呃、那个」这类语气词和重复的字词去掉，把停顿造成的碎句号改回逗号，再放进草稿。

点麦克风 → 流光波纹 → 停止转写 → 清理口语杂质 → 干净文本进入草稿

目录

- 效果
- 转写清理
- 安装
- 依赖
- 实现要点
- 兼容性
- 故障排查
- 相关插件
- 贡献

效果

- 录音中：渐变光带沿边缘跑动，浪高跟着麦克风音量实时变化。
- 转写中：波形消失，光带保留，提示还在处理。
- 结束或取消：光带瞬间消失，不占任何布局。

转写清理

语音转写会把口语原样落进草稿，直接发出去很难看。插件在转写完成、文本进入草稿之后跑一遍规则清理，纯本地正则，不调模型，零延迟零成本。

| 问题 | 处理 | 例子 |
| 语气词 | 删行首、标点后、汉字之间的「嗯呃额唔」 | 「嗯，我觉得」→「我觉得」 |
| 口头填充「那个」 | 只删行首且后面紧跟逗号的 | 「那个，我想说」→「我想说」 |
| 重复字 | 同字三连以上合并 | 「我我我觉得」→「我觉得」 |
| 重复词 | 两三个字的词连续重复合并 | 「这个这个方案」→「这个方案」 |
| 停顿碎句 | 整段没有逗号且平均句长很短时，中间句号改逗号 | 「我今天。想去公园。」→「我今天，想去公园。」 |

不动的：

- 叠词：「看看」「刚刚」「试试」是合法用法，不动
- 指示代词：「那个文件」里的「那个」
- 语气助词：「好啊」里的「啊」、「对吧」里的「吧」
- 已经有逗号的正常句子
- 正常长度的完整句子

改动超过原长 40% 时判定规则失控，直接放弃清理保留原文。清理结果只写回草稿，不会自动发送，你可以继续改或者手动撤回。

安装

本地路径
dsh plugin --profile web add /path/to/dsh-siri-voice

从 GitHub
dsh plugin --profile web add https://github.com/saul-dsh/dsh-siri-voice

安装后重启宿主（桌面端需完全退出再启动），启动日志出现 [siri-voice] 相关的层即可。

依赖

需要 dsh 自带的语音输入 bundle 处于启用状态（@deepseek-ai/dsh-experimental-voice-input-bundle），因为：

- 麦克风按钮、录音与转写都由它提供；
- 本插件只读取它在录音时挂在容器上的 data-voice-activity 属性，不打断、不接管任何流程。

语音输入没启用时，本插件不会显示任何东西，也不影响其他功能。

实现要点

- 纯客户端插件：服务端入口只有一个空的 apply，作用是让宿主扫描到 dsh.client.platform = 'web'。
- 视觉层注册在 conversation.input.dock；每帧取「编辑器 + 语音栏」的最小公共祖先（即输入框卡片本身）的矩形与圆角，用 position: fixed 严丝合缝盖在卡片上，不做外扩。
- 录音时内置的点状声纹被 CSS 隐藏（仍占位，取消/停止按钮不动），画布直接画在它原来的格子里，相当于接管了那条声纹。
- 音量来自本插件自己的 getUserMedia + AnalyserNode（权限已由内置按钮授予，不会二次弹窗）；拿不到音频时退化为缓慢呼吸动画，不报错。
- 不使用 WebGL、不引入第三方依赖，只用一个 canvas。

兼容性

| 项目 | 要求 |
| dsh | ≥ 0.2.0（developer preview） |
| Node | ≥ 18 |
| 客户端 | web（桌面端与浏览器） |
| 前置插件 | @deepseek-ai/dsh-experimental-voice-input-bundle 需处于启用状态 |
| 运行时依赖 | 无。跑马灯用原生 canvas 与 Web Audio API，转写清理是纯正则 |

dsh 升级后如果这个插件突然不显示，多半是语音输入 bundle 改名或 data-voice-activity 属性变了。录音功能本身不受影响。

故障排查

完全没有流光带

- 先确认语音输入本身能用：点麦克风能录音、能转写
- 确认前置 bundle 已启用：dsh --profile desktop --dump-config | grep voice-input
- 装完没重启 dsh。客户端模块在启动时加载

有流光带，但浪高不动

- 麦克风权限被拒绝，或系统里有别的应用独占了麦克风。此时退化为缓慢呼吸动画，不报错
- 部分 Linux 发行版下 getUserMedia 拿不到音量，同样退化

转写出来了，但语气词还在
- 清理有 40% 改动上限保护，删太多会判定失控并放弃，保留原文
- 整段被判为「正常句子」（已经有逗号，或者平均句长超过 12 字）时，停顿句号不会合并
- 控制台有 [dsh-siri-voice] transcript cleaned X -> Y 记录，没有这行说明本次没触发清理

流光带位置偏了

- 它按「编辑器 + 语音栏」的最小公共祖先计算矩形，dsh 改动输入栏结构后可能算错
- 窗口缩放或分屏切换后如果错位，重新触发一次录音即可

和别的输入框插件冲突

- 它只读 data-voice-activity 属性，不接管录音流程。真冲突的话禁用其他插件逐个排查

相关插件

- dsh-prompt-enhancer —— 同一个作者，发送前自动改写提示词

贡献

欢迎提 issue 和 PR。动手前先读 CONTRIBUTING.md。

License

MIT