smart-dictation-dsh (smart-dictation-bundle)

Smart Dictation для DeepSeek Harness

Локальная диктовка по-русски прямо в композере DSH: русская речь, английские технические термины латиницей, пунктуация, личный словарь и обучение только после подтверждения. Аудио и текст не покидают машину: облачные speech API не используются.

Статус: 1.0.1, DSH Web, локальный GigaAM v3 E2E CTC INT8.

Возможности

• Одна фиксированная кнопка микрофона 28×28 в композере. Она же останавливает запись; панель не раздвигается и не превращается в тулбар.
• Запись 16 кГц mono PCM16 WAV, ограничение 120 секунд, отмена по повторному клику или Escape.
• Распознавание на хосте через ONNX Runtime; модель скачивается один раз (~225 МБ) и проверяется по SHA-256. Повреждённый файл заменяется автоматически.
• Постобработка: убирает слова-заполнители, расставляет пунктуацию и капитализацию, исправляет английские термины по словарю.
• Стартовый словарь распространённых терминов (Kubernetes, Docker, TypeScript, C++, C#, PR, CI, Codex, package.json и другие). Его можно чистить, импортировать и экспортировать.
• Карточка «Запомнить …?» после подтверждённой правки в отправленном сообщении. Запись появляется только после Да; обучение отключается в настройках.
• Отдельный раздел Настройки → Smart Dictation, без кнопок внутри композера.
• Без автоотправки: распознанный текст всегда сначала попадает в редактируемый черновик.

Установка

Нужны DSH 0.2.2-rc.1–0.2.x, Node.js 22.19+, рабочий микрофон и ~400 МБ свободного места.

Из npm:

dsh plugin --profile web add @triagmas/dsh-smart-dictation

Или из GitHub Release:

dsh plugin --profile web add https://github.com/triagmas/smart-dictation-dsh/releases/download/v1.0.1/smart-dictation-dsh-bundle-1.0.1.tgz

Перезапустите DSH и разрешите микрофон для адреса DSH Web. Первая диктовка сама подготовит модель; отдельное нажатие «Подготовить модель» не требуется.

Не включайте одновременно экспериментальный официальный bundle Voice Input: оба регистрируют сервис speech-to-text и будут конкурировать за провайдера.

Использование

1. Нажмите микрофон в композере и говорите.
2. Нажмите ту же кнопку, чтобы остановить запись.
3. Проверьте вставленный текст и отправьте сообщение вручную.

«Текст редактируется» означает, что распознанная фраза вставляется в обычное поле ввода DSH как черновик: до отправки её можно исправить, дописать или удалить. Пунктуация и термины исправляются до вставки, а не после отправки.

Если после отправки DSH нашёл исправленный термин, появится карточка с вопросом. Escape или Нет закрывают её без изменений. Escape во время записи отменяет текущую диктовку.

Приватность

• Аудио живёт в памяти браузера только во время записи и уходит на локальный хост DSH.
• Транскрипты не логируются и не сохраняются отдельно; они вставляются в черновик.
• Словарь хранится в каталоге данных DSH; localStorage — только кэш для чтения.
• Сеть нужна для первой загрузки модели; распознавание полностью локальное.

Разработка

pnpm install
pnpm typecheck
pnpm vitest run
pnpm --filter @triagmas/dsh-smart-dictation-provider build
pnpm --filter @triagmas/dsh-smart-dictation-client build
pnpm release:pack
pnpm release:verify

Пакеты:

Пакет	Роль
packages/smart-dictation-core	Чистые функции: пунктуация, словарь, обучение, CTC
packages/smart-dictation-provider	ONNX Runtime, GigaAM, WAV, Typert-словарь
packages/smart-dictation-client	React-кнопка, запись, настройки, кэш
packages/smart-dictation-bundle	Cordis-patch и установочный bundle

pnpm release:pack собирает три .tgz в .release/artifacts/; зависимости bundle указывают на release-ассеты GitHub, поэтому установка не требует публикации в npm.

Документы

• Дизайн
• Приёмка
• Сторонние компоненты

Ограничения

• Русская речь с английскими терминами; длинные фразы полностью на английском пока не поддержаны.
• Нет wake word, потоковых субтитров и синтеза речи.
• Windows-приложение и другие оболочки вне DSH Web в эту версию не входят.
• Модель и onnxruntime-node занимают около 400 МБ после установки.

Лицензия

MIT. Copyright (c) 2026 triagmas.