dsh-vmic

DeepSeek Harness（DSH）的语音输入插件：在聊天输入框旁新增一个 🎙️ 麦克风按钮（带实时频谱动画），录制 16kHz WAV 语音并转写成文字，填入输入草稿供你审阅——真正执行请求的仍是 DSH 中当前选中的模型，语音识别只承担"听写"层，与主模型完全解耦。

界面一览

麦克风按钮位于发送按钮左侧：点击开始录音，再次点击停止并转写；右键按钮可随时打开配置面板。

特性

• 🎙️ 输入框工具栏的麦克风按钮（发送按钮左侧）：点击开始录音，再次点击停止并转写。
• 📊 录制时实时频谱动画（Canvas 绘制，主题跟随 harness CSS 变量）。
• ⚡ 两种内置转写供应商，右键按钮打开配置面板即可切换：
  • 小米 MiMo（openai-compatible，input_audio 方式，模型 mimo-v2.5-asr）
  • 火山豆包（SAUC bigmodel WebSocket 二进制帧协议，模型 bigmodel，资源 volc.bigasr.sauc.duration，支持流式转写）
• ✨ 可选 LLM 润色（默认复用 DSH credentials 中的 DEEPSEEK_API_KEY，deepseek-chat）：去除口语化、修正错别字与标点；也可在面板中配置自定义润色 Key。
• 🔒 API Key 只存在于 DSH 服务端（credentials 密封，命名 VMIC_<ID>_API_KEY），浏览器只能看到"已配置/未配置"状态，拿不到明文。
• 🧪 内置供应商连通性测试：发送 0.5s 测试音，返回延迟与识别文本，快速定位网络/鉴权问题。
• 🌐 中文 / 英文 UI 字符串。

使用流程

1. 点击 🎙️ 开始录音（允许浏览器麦克风权限）。
2. 再次点击（或红色方块）停止：完整音频转写一次。
3. （可选）开启润色后自动调用 LLM 整理。
4. 文字进入输入草稿（保留你已有的草稿），检查后回车发送——由当前选中的模型执行。

配置

右键麦克风按钮打开配置面板：

• 供应商：选择当前使用的供应商（selectedProvider）、开关与自定义 openai-compatible 供应商（填 baseUrl / model / Key）。
• 语言：language: auto 或指定（如 zh）。
• 润色：polish.enabled、是否复用 DEEPSEEK_API_KEY、模型与超时。

API Key

Key 存在 DSH 的 credentials 密封中（~/.dsh/.credentials.yaml），引用名（不带 VMIC_ 前缀的也兼容）：

火山豆包密钥两种格式均支持：appkey:accesskey（自动走 X-Api-App-Key / X-Api-Access-Key）或单 Key（走 X-Api-Key）。

安装

版本要求：1.1.0 起适配 DeepSeek Harness 0.2.1-rc.2 及以上（package.json 的 engines.dsh 与 peer 都指向 0.2.x）。0.2.x 移除了 @deepseek-ai/dsh-settings 的 settingsNamespace，插件改用插件 Config + .volatile() 字段 + configEditor 写回配置；DSH 0.1.x 请使用 1.0.0。

插件自带 bundle patch（cordis.patch.yml，由 package.json 的 dsh.bundle.patch 声明）：装好并启用这个 bundle 层，宿主就会自动插入 vmic 行，不需要手写 insert。

桌面端：设置 → 插件 → 添加插件 → 「安装第三方插件」，填本地目录或包名，装完点「立即启用」。桌面端的 profile（~/.dsh/profiles/desktop）由应用自己的插件管理器管理，命令行 dsh plugin --profile desktop 是被拒绝的。

本地开发（link 依赖，代码改动即时生效）：

cd ~/.dsh/profiles/web
# 本地开发：用 link: 指向插件源码目录（路径按你的实际情况修改）
# Windows 示例：pnpm add link:C:/path/to/dsh-vmic
pnpm add link:/path/to/dsh-vmic

发布版（以 GitHub 仓库为例）：

cd ~/.dsh/profiles/web
pnpm add github:Calvin451970353/dsh-vmic

没启用 bundle 层（例如只把包当普通依赖装）时，才需要手工在 cordis.patch.yml 追加这一行；启用了就跳过：

- insert:
    - id: vmic
      name: 'dsh-vmic'
      config:
        selectedProvider: xiaomi-mimo
        providers:
          - id: xiaomi-mimo
            type: openai-compatible
            name: 小米 MiMo
            preset: true
            enabled: true
            live: false
          - id: volcengine-doubao
            type: volcengine-doubao
            name: 火山豆包
            preset: true
            enabled: true
            live: true
        language: auto
        timeoutMs: 30000

重启 dsh web 服务并刷新页面。

供应商预设的端点/模型已内置，用户只需填入 API Key；providers 也可留空，插件会用同样的内置预设。

配置面板保存时，插件通过 configEditor 把配置写回当前 profile 的 cordis.patch.yml，落点是顶层 - id: vmic 条目的 config（不是 insert 里的那份）。想手工改配置，改那条即可；insert 只负责声明插件行，可以不带 config。

- insert:
    - id: vmic
      name: 'dsh-vmic'
- id: vmic
  config:
    selectedProvider: xiaomi-mimo
    timeoutMs: 30000

展示元信息

插件页卡片和详情页标题旁的图标、标题与简介，来自包根声明：

• package.json 的 icon → assets/icons/a-solid-gradient.svg（96×96 网格，自带圆角底板；管理器接受 SVG / PNG / JPEG / WebP，≤ 256 KiB，且文件必须位于包目录内）。
• locale/en.json、locale/zh.json 的 meta.title / meta.description → 按界面语言显示；缺字段时回退到 package.json 的 name / description。

{ "meta": { "title": "语音输入", "description": "DeepSeek Harness 语音输入插件：…" } }

exports 必须导出 ./locale/*.json，否则管理器解析不到词典，只会显示英文 manifest 描述。

宿主路由（host half）

已知限制

• 浏览器录制编码为 16kHz 单声道 WAV；小米 MiMo 对 base64 输入有 10MB 上限（约 5 分钟，远超语音输入场景）。
• 插件配置字段都是 .volatile()，面板保存后由 configEditor 热应用，不需要重启；改了插件代码（lib/*.js）仍需重启 dsh web。
• 若插件被判为与当前 DSH 版本不兼容，服务端会打印 disabling profile plugin row "vmic" 并跳过该行：先确认版本，再按需 dsh plugin --profile web allow-version dsh-vmic@<版本> --dsh-version <当前版本> --accept-risk。
• 客户端 bundle 改动仅在 pnpm run dev:web 监听运行时热更新；否则需重启服务并刷新页面。

License

MIT