dsh-voice-input

DSH 语音输入插件

English | 简体中文

在 DSH 输入框里直接说话，自动变成文字。支持实时听写、整段录音、本地离线识别和 AI 精修。

当前稳定版：v1.2.0

功能

• 实时听写：边说边识别，停顿后文字自动进入输入框。
• 整段录音：说完后一次识别，适合较长的口述内容。
• 本地离线识别：提供多种本地模型下载，FunASR 更适合中文，本地 Whisper 支持中文、英文等多种语言。
• 浏览器识别：无需下载模型，打开就能使用；可用性取决于浏览器和网络。
• 云端识别：支持 OpenAI 兼容接口和豆包等服务，可按自己的需要配置。
• AI 精修：多种AI接口，自定义promote，自动修正同音字、标点和口语表达，还可以参考当前聊天语境，大幅度提高生成质量。
• 设置自动保存：引擎、模型和常用开关会保存在本机，重启或更换浏览器后仍可使用。

体验预览

安装

npx @deepseek-ai/dsh plugin --profile web add dsh-plugin-voice-input

安装完成后重启 DSH：

npx @deepseek-ai/dsh web

输入框右侧出现 🎤 和 ⚙，就表示安装成功。浏览器识别无需下载模型；第一次选择本地 Whisper 或 FunASR 时，插件会先征求确认，再安装本地运行组件和所选模型。

源码与历史版本仍可在 Releases 页面 下载。

如果麦克风按钮未成功显示，请完全退出旧的 DSH 进程，再重新运行 npx @deepseek-ai/dsh web。如果仍未出现，可以重新运行一次安装命令。

怎么使用

1. 点击输入框右侧的 🎤 开始录音。
2. 正常说话；实时模式会在停顿后逐段上屏。
3. 再次点击 🎤 停止录音。
4. 点击 ⚙ 可以切换识别引擎、模型、语言、整段模式和 AI 精修。

新手怎么选引擎

本地模型首次使用需要下载，具体时间取决于网络速度。下载完成后可以离线识别。

产品限制

• 浏览器内置识别受浏览器和网络影响，部分浏览器无asr功能，因此谷歌、Edge浏览器最佳
• 切换到本地模型后，系统进行加载，首次识别需等待一段时间加载（一般为20s-40s），之后会恢复正常。
• 整段录音最长 10 分钟。

隐私说明

• 使用本地 Whisper 或 FunASR 时，录音在本机处理，不会上传到云端。
• 使用浏览器识别或云 ASR 时，音频会由相应的浏览器或服务商处理。
• 开启 AI 精修后，识别文字及你选择附带的聊天语境会发送给所配置的 AI 服务。
• API Key 保存在你的电脑上。请勿在截图、Issue 或日志中公开自己的 Key。

系统支持

Windows、macOS 和 Linux 均支持 npm 一行安装；本地识别需要 Python 3.9 或更高版本。

License

MIT

npx @deepseek-ai/dsh plugin --profile web add dsh-plugin-voice-input