Plugins

Vollduplex-Sprachmodus für die DeepSeek Harness Web-UI: Toggle (2-Sekunden-Pause Auto-Send) oder Hold-to-Talk-Diktat in einen editierbaren Entwurf mit zipformer2-Streaming-ASR, optionalem Wake Word; Edge-TTS-Vorlesen Satz für Satz mit Live-Untertiteln, und Sprechen unterbricht Wiedergabe und laufenden Turn (echtes Barge-in). On-Device-ASR, kein API-Schlüssel.

Spracheingabe für die Web-UI: nach Pausen segmentiertes Diktat und Sprachnachrichten, jeweils mit eigener Anbieter-Fallback-Kette (Deepgram, Groq, HuggingFace, lokales whisper.cpp oder ein OpenAI-kompatibler Endpunkt).

Full-Duplex-Sprachmodus für die Web-UI: Tippen zum Umschalten oder Halten zum Sprechen zum Diktieren (Senden-Taste oder `Ctrl`) mit Live-Untertiteln, hostseitige SenseVoice-ASR über sherpa-onnx, satzweise gesprochene Antworten und Sprechen unterbricht die Wiedergabe und den laufenden Zug (echtes Hineinreden). Kein API-Schlüssel erforderlich.

Diktat durch Gedrückthalten des Eingabefelds. Eine eigene Spracherkennung ist nicht enthalten; genutzt wird der Sprachdienst des offiziellen voice-input-Bundles. Mit Maus oder Touch halten und loslassen, um den erkannten Text in den Entwurf einzufügen; nach oben wischen bricht ab. Es wird nichts gesendet.

Einhändige Eingabe ohne Tastatur für das Eingabefeld: Maustaste im Eingabefeld gedrückt halten, sprechen, loslassen – der Text landet im Entwurf, und Hochschieben bricht ab, ohne einen halben Satz zu hinterlassen. Kein Mikrofonknopf zum Anvisieren und kein Kurzbefehl zum Merken; die Hand muss den Eingabebereich nie verlassen, was gerade dann zählt, wenn die andere Hand beschäftigt ist. Die Erkennung läuft vollständig offline (SenseVoice über sherpa-onnx, kein API-Schlüssel, Audio verlässt nie den Rechner).

Sprachassistent für dsh web: Mit dem Weckruf (z. B. „小鲸“) wird freihändiges Diktieren aktiviert – das Gesagte wird transkribiert und automatisch in das Chatfeld getippt. Unterstützt gesprochene Bearbeitungsbefehle (senden, leeren, neue Zeile, Vorlesen beenden) und liest Antworten des Assistenten auf Chinesisch vor. Die Spracherkennung läuft lokal im Browser über sherpa-onnx WASM, funktioniert also offline ohne API-Schlüssel.

Spracheingabe für die Web UI: eine Mikrofonschaltfläche, die die lokale Offline-Spracherkennung von VocoType steuert und erkannten Text automatisch in den Editor einfügt (Auto-Deploy, Deduplizierung, kontinuierliche Diktation).

Ergänzt die integrierte lokale Spracherkennung um eine terminologiebewusste Korrekturrunde. Behält DSH-Mikrofon und SenseVoice bei; Audio verlässt nie das Gerät. Korrigiert Homophone, Fachbegriffe und fehlerhaft erkannte Zahlen im fertigen Transkript.

Englisch-Wortschatzbank für Kinder. DSH 0.2+ (0.2.0-rc.1/rc.2 inkl. Desktop-Shell geprüft; 0.1.7–0.2.x funktioniert ebenfalls). v1.10 liest Karten/Tests mit integrierter Windows-Stimme offline vor, ohne Netzwerk-/Modellaufruf; Audio wird vorgerendert. v1.11: bis 50 Wörter in 10er-Gruppen von oben wählen, mit Zähler; Fehler als gesprochene Wiederholungskarten/PDF; chinesische Übersetzung bei Beispielen. Markierungen in Buchfotos (Textmarker/Rotstift) erkennen, übersetzen und mit Häufigkeit in lokaler SQLite speichern; Zwischenablage, Fotos, Diktat teilen die Bank. Häufigkeitssortierung; 3 richtige Antworten = gelernt. Export als HTML/PDF/Word-Karten und Vierfach-Auswahltest. Bei DSH 0.1.5 fehlt Einstellungen: `dsh-word-vault@1.0.2` verwenden.

Echtzeit-Sprachdiktat in das dsh-Web-Eingabefeld über OpenRouter STT.

Read-aloud and dictation for the DSH web UI with 23 TTS and STT provider types configured side by side, per-language routing, in-text language markers, per-sentence language detection, word highlighting and a TTS Reader sidebar tab (the tab requires dsh-better-sidebar; everything else works without it).

Diktat, das im Repository statt im Chatlog landet. Taste halten oder WAV importieren; `voice-memos/<id>/` enthält `audio.wav`, gerendertes `waveform.png`, `memo.md` (Frontmatter, Zeitstempel je Segment, kopierfertige Zitatblöcke) und `meta.json`. Browser resampelt vor dem Senden auf 16 kHz mono. Transkription bleibt lokal: Harness `speechToText` mit nach Stille getrennten Fenstern oder ein Command-Worker wie `faster-whisper`. Ohne Engine wird die Notiz mit Status und Grund archiviert, ohne erfundenes Transkript. Gesprächstab „口述“ mit Klick-zum-Suchen, Zitatkopie je Segment, 3 Tools (voice_memo_save / voice_memo_list / voice_memo_read) und HTTP-Routen. Keine Runtime-Abhängigkeiten, 52 `node:test`-Fälle, echte Screenshots in docs.

Push-to-talk-Diktat für den Web-Composer: Hotkey halten, aufnehmen und Transkript über DSHs Speech Remote (lokales SenseVoice) in den Entwurf schreiben; Auto-Senden optional.

MiMo-Stimme für DeepSeek Harness: Liest jede fertige Antwort vor, wandelt Composer-Diktat in Text um und bietet neun integrierte Stimmen sowie einen Slot für eine geklonte Stimme.

DSH-Spracheingabe: Echtzeit im Browser, VAD-Diktat, lokales/Cloud-ASR und Textüberarbeitung durch DeepSeek AI.

Bearbeitbare lokale und Desktop-Diktierfunktion für DeepSeek Harness.

Spricht Prompts über ein Mikrofon in den Composer des DeepSeek Harness Web Client ein, mit austauschbarer Transkription: gehostete Whisper API, eigener Server oder vollständig offline-Binärdatei whisper.cpp.

Browser-Web-Speech-Diktat für den Composer: Kein eigener ASR-Server, Schlüssel oder Modelldownload erforderlich. Verwendet den Session-Text und ein konfiguriertes DSH-Modell erneut für kontextbezogene Formulierungen und optionales Glätten des Transkripts.