dsh-ears

给纯文本 DeepSeek 一对耳朵。

DeepSeek Harness 的开源语音输入插件

简体中文 · English

DeepSeek Harness 语音输入插件：支持多种 ASR 后端，并通过 dsh 自身的 LLM 路径完成润色。

https://github.com/user-attachments/assets/1363768e-a393-44bd-a008-1ce2055cac41

---

录音时，输入框上方会显示带波形和停止按钮的识别条。转写或润色进行中，可点击垃圾桶图标丢弃本次录音。

安装

前置依赖：DeepSeek Harness（0.1.0-rc.6 至 0.1.1-rc.2）和 Node.js ^22.19.0 || >=24.0.0。

通过 npm 安装

dsh plugin --profile web add dsh-ears

从源码安装

git clone https://github.com/WizisCool/dsh-ears.git
cd dsh-ears
pnpm use:platform
pnpm install
pnpm build
dsh plugin --profile web add "$PWD"
# Windows 的 cmd 请使用 "%CD%"；PowerShell 直接使用 $PWD

安装完成后刷新 Web UI，输入框右侧会显示麦克风图标。

更新

更新到最新版本：

dsh plugin --profile web update dsh-ears

更新完成后刷新 Web UI。

卸载

dsh plugin --profile web remove dsh-ears

这条命令会移除 dsh 中的插件注册，源码目录保持不变。卸载后刷新 Web UI，麦克风图标会消失。

使用

1. 点击麦克风图标，或按下 Ctrl+Shift+Space
2. 开始说话
3. 再次按下快捷键，或点击麦克风，停止录音并开始转写
4. 开启润色后，原始转写会先写入草稿，润色完成后再更新，期间的手动编辑会被保留
5. 检查内容后手动发送

如果所选后端尚未就绪，麦克风图标会变灰，悬停即可查看原因。

识别后端

后端	工作方式	需要什么	免费额度
Web Speech	浏览器实时识别，边说边出字	Chromium 内核浏览器。音频可能经由浏览器厂商处理	—
本地 Whisper	浏览器停止录音后标准化为单声道 16 kHz PCM16 WAV，再由 Host 通过内置 whisper.node native 依赖转写	npm 安装会带来对应平台的 native 变体；在设置页下载 whisper.cpp GGML 模型，模型不随 npm 包打包	—
Groq	Host 将录音发送到 Groq Whisper API	Groq API key	Always Free，Rate Limits
阿里云百炼	DashScope 同步转写（Flash 系列）	HTTPS 源站、API key 和模型名；单次录音最长 300 秒	新人免费额度
自定义 OpenAI 兼容	向指定的 /audio/transcriptions 端点发送请求	端点地址、API key 和模型名	—
贡献新后端	—	欢迎通过 提交 PR 接入更多转写服务	—

表中的额度来自提供商文档，可能随时变化，请以提供商的最新说明为准。

本地 Whisper 使用随包提供的 @fugood/whisper.node native runtime 和单独下载的 whisper.cpp GGML 模型，浏览器负责把录音转为单声道 16 kHz PCM16 WAV

Recognition 设置页只显示当前平台和已安装 native variant 支持的加速后端。macOS 的官方产物只提供 Default，因此不会显示 CUDA；Windows x64 和 Linux 的可用项以实际安装的 optional variant 为准。无法加载的 native variant 会从可用选项中省略。native runtime 首次加载后切换加速后端需要重启 dsh Host。当前锁定的 @fugood/[email protected] Windows x64 CUDA 产物需要 CUDA 12 的 cudart64_12.dll 和 cublas64_12.dll；模型按需下载到本机缓存

本地 Whisper 运行时

本地 Whisper 包含 npm 包内的 @fugood/whisper.node native dependency，以及插件单独下载的 whisper.cpp GGML 模型文件。模型下载使用固定 manifest、校验和、临时文件和完成标记，模型权重存储在本机缓存。

浏览器录音会先下混、重采样并编码为单声道 16 kHz PCM16 WAV，再发送给 Host。设置页会显示 native package 或所选加速后端的状态，并提供模型下载与重新检测入口。

润色

润色模型从 dsh → 设置 → 模型 中已经配置的模型里选择。插件只保存提供方、模型名和提示词；LLM key 直接复用 dsh 的现有配置。

默认提示词会删除口头禅、修正常见的 ASR 错字，还能处理「不是 A，是 B」这类自我纠正和「第一……第二……」这类口头列举。提示词留空时使用内置默认值，具体内容可在设置页查看。润色失败或取消时，插件会保留原始转写结果。

本地开发

pnpm use:platform
pnpm install
dsh plugin --profile web add "$PWD"
# Windows 的 cmd 请使用 "%CD%"；PowerShell 直接使用 $PWD
pnpm check
pnpm test
pnpm build
pnpm dev:config   # 构建并生成 HMR 配置
pnpm dev:web      # 启动 dsh web

开发时，在另一个终端运行 pnpm dev:watch。pnpm dev:config 会写出 .dsh/cordis.patch.yml（已在 .gitignore 中）用于 HMR，并保持单个插件加载项。

文档

• CHANGELOG
• CONTRIBUTING
• SECURITY
• LICENSE

贡献指南和架构说明见：CONTRIBUTING.md、AGENTS.md、.agent/。

License

MIT

友链

• LINUX DO — 新的理想型社区