プラグイン

DeepSeek Harness Web UI 用のフルデュプレックス音声モード:トグル(2 秒ポーズで自動送信)またはプッシュトゥトークによるディクテーションを、編集可能なドラフトに zipformer2 ストリーミング ASR で入力、オプションでウェイクワード対応。Edge TTS によるセンテンス単位の読み上げとライブキャプション、話すと再生と実行中ターンを割り込みます(真のバージイン)。オンデバイス ASR で API キー不要。

Web UI向け音声入力：無音区間で分割するディクテーションと音声メッセージを提供し、それぞれに独自のプロバイダーフォールバックチェーン（Deepgram、Groq、HuggingFace、ローカルwhisper.cpp、またはOpenAI互換エンドポイント）があります。

Web UI向けのフルデュプレックス音声モード：タップで切り替えまたは押し続けでディクテーション（送信キーまたは`Ctrl`）、ライブキャプション付き、sherpa-onnx経由のホスト側SenseVoice ASR、文ごとの音声応答、話すことで再生と実行中のターンを中断（真の割り込み）。APIキー不要。

入力欄を押し続けて話す音声入力機能です。認識器は同梱せず、公式voice-input bundleが接続する音声サービスを再利用します。マウスまたはタッチで長押しし、離すと文字起こしを下書きに挿入。上へ滑らせるとキャンセルし、送信はしません。

コンポーザー向けの片手・キーボード不要の入力：入力ボックス上でマウスを押し続けて話し、離すとテキストが下書きに入り、上へスライドすると中途半端な文を残さずキャンセルできます。狙って押すマイクボタンも覚えるショートカットも不要で、もう一方の手がふさがっているときに手が入力エリアから離れずに済むのが要点です。認識は完全にオフラインで動作します（sherpa-onnx 経由の SenseVoice、API キー不要、音声はマシン外に出ません）。

dsh web 向けの音声アシスタント：ウェイクフレーズ（例：「小鲸」）を言うとハンズフリーの音声入力が有効になり、話した内容が文字起こしされて自動的にチャットボックスへ入力されます。音声による編集コマンド（送信、クリア、改行、読み上げ停止）に対応し、アシスタントの返答を中国語で読み上げます。音声認識は sherpa-onnx WASM によりブラウザ内でローカルに実行されるため、API キーなしでオフラインでも動作します。

Web UI 用の音声入力: ローカルの VocoType オフライン音声認識を駆動するマイクボタンで、認識したテキストを自動的に composer に挿入する（自動デプロイ、重複排除、連続ディクテーション）。

内蔵のローカル音声認識に用語を考慮した補正処理を追加します。DSH標準のマイクとSenseVoiceエンジンを維持し、音声は端末外へ送信しません。確定した文字起こしの同音異義語、専門用語、崩れた数値を修正します。

子ども向け英単語バンク。DSH 0.2以降（0.2.0-rc.1／rc.2、デスクトップシェル含め検証済み。0.1.7～0.2.xも動作）。v1.10はカード／テストを内蔵Windows音声でオフライン読み上げ（ネットワーク／モデル呼び出しなし）、音声はバックグラウンド事前生成。v1.11は上から10語ずつ最大50語を選択、カウンター表示、誤答を音声付き復習カード／印刷PDFに変換、例文に中国語訳を追加。教科書写真の蛍光ペン／赤字を認識して翻訳し、出現回数と共にローカルSQLiteへ保存。クリップボード／写真／音声入力は同じバンクを利用。頻度表示、3連続正解で習得。選択語をHTML／PDF／Wordカードや4択テストに出力。DSH 0.1.5では設定が出ないため`dsh-word-vault@1.0.2`を使用。

OpenRouter STT経由で、dsh Web入力欄に音声をリアルタイムで文字起こし入力します。

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).

会話ログではなくリポジトリに残す音声メモです。ボタン長押しまたはWAV取込で`voice-memos/<id>/`に`audio.wav`、描画済み`waveform.png`、frontmatter/区間タイムスタンプ/貼り付け用引用ブロック付き`memo.md`、`meta.json`を保存。送信前にブラウザーで16 kHzモノラルへ再サンプリングします。文字起こしはローカルで、無音分割するHarness `speechToText`または`faster-whisper`等のcommand workerを使用。エンジンがなくても捏造せず、状態と理由を明記してメモを保存します。会話の「口述」タブ（クリックで再生位置移動、区間ごとの引用コピー）、ツール3個（voice_memo_save / voice_memo_list / voice_memo_read）、HTTPルート付き。ランタイム依存なし、`node:test`52件、docsに実画面。

Web composer用push-to-talk dictation。hotkey長押しで録音し、DSH自身のspeech Remote（local SenseVoice）経由のtranscriptをdraftへ挿入。auto-sendは任意。

DeepSeek Harness向けMiMo音声。完了した回答を読み上げ、コンポーザーの音声入力をテキスト化します。内蔵音声9種とクローン音声スロットを提供。

DSH音声入力プラグイン：ブラウザーでのリアルタイム音声入力、VADによるディクテーション、ローカル／クラウドASR、DeepSeek AIによる文章調整。

DeepSeek Harness向けの、編集可能なローカル文字起こしとデスクトップ文字起こし。

DeepSeek Harness Web Clientのcomposerにマイクを追加し、promptを音声入力します。文字起こし方式を切替可能：ホスト型Whisper API、自前サーバー、完全オフラインのwhisper.cpp binary。

composer向けブラウザーWeb Speech音声入力。専用ASRサーバー、キー、モデルのダウンロードは不要です。Sessionのテキストと設定済みDSHモデルを再利用して、文脈に合う語句候補と任意の文字起こし整文を行います。