dsh-question-voice

给 DeepSeekRuntime（DSH）Web GUI 的提问卡片加语音输入：ask_user_question 弹出的卡片里，「自定义答案」输入框右侧多一个麦克风按钮——点一下开始录音，再点一下停止，本地语音识别（SenseVoice）把话变成文字直接落进这个输入框，你可以继续改、然后回车提交。

Voice input for the answer card that ask_user_question renders in the DSH Web GUI. Click the mic beside the free-text field, speak, click again to stop: the recording is transcribed by the speech service already running in your profile and the text lands in that field, still editable, still submittable by hand.

为什么需要它：DSH 自带语音输入只覆盖聊天输入框；一旦弹出提问卡片，要打字回答。这个插件把那同一个麦克风“平移”到卡片里，并且不影响聊天框原有的麦克风。

效果

整张卡片长这样（真实截图）——插件只往「自定义答案」那一行右侧加了一个麦克风，问题、选项、翻页、跳过/提交、右上角关闭都保持原样。

• 输入框右侧一个麦克风图标，不挤占、不替换原本的输入框：语音和手动打字并存。
• 录音时原地展开一条录音条：× 取消 · 实时波形 · 计时 · 停止钮。点停止才识别，和官方聊天框麦克风一样的节奏。
• 识别结果以插入方式写进输入框，跟已有文字自动用空格分隔，光标停在末尾，可继续手改或回车提交。
• 三款波形皮肤可切换（见下文「波形皮肤」）。

它怎么工作

• 不改官方包。提问卡片（@deepseek-ai/dsh-client-ui-user-questions）没有可叠加的 slot 座位，所以客户端半边用 MutationObserver 盯住卡片 DOM，给自定义答案行的 textarea 旁挂按钮。卡片本身、官方任何文件都不动。
• 复用已经在跑的识别服务。转写走 ctx.remote.speech（speechController 的 catalog / prepare / transcribe），由 profile 里已启用的官方实验 bundle @deepseek-ai/dsh-experimental-voice-input-bundle 提供。
• 自己挂载 remote 描述。speech 这个 Remote namespace 并不在 dsh-api-remotes 的静态组合里，它由官方 voice-input 客户端在启动时 ctx.remote.$mount() 动态挂上去。第三方插件拿不到，所以本插件在 apply() 里自己 $mount 一份只含 speech/transcribe 的 contribution（参数 codec 必须 mode:'strict'，带 cancellation:{parameter:'signal'}），挂载幂等：已存在就直接用，重复挂载的错误串被当成“已就绪”。
• 录音与编码全在本地：getUserMedia → MediaRecorder → decodeAudioData → OfflineAudioContext 重采样到 16 kHz 单声道 → 手写 44 字节头的 WAV → base64。音频只发给 profile 内那个本地识别服务。
• 写回走 React 自己的路径：原生 HTMLTextAreaElement.value setter + 冒泡 input 事件，卡片 onChange 收到后进草稿 store，提交时随答案回传。
• 无构建步骤：lib/client.js 是手写的 window.__ModuleLoader__.load({ id, factory }) 形态，只 require('react') / require('react-dom/client')；src/client/ui.js 是同一份源码，改完手工复制。

安装

前提：profile 里已启用 @deepseek-ai/dsh-experimental-voice-input-bundle（DSH 桌面端插件管理器里能看到、且聊天输入框有麦克风就说明已在跑）。

一行装（推荐）：

dsh plugin add github:Jd44chs/dsh-question-voice#v0.1.0 --profile desktop

装完刷新 Web GUI（Ctrl+R）。宿主半边是空的，但 bundle 条目仍需要 DSH 进程重启才会挂上——如果刷完页面看不到按钮，重启一次 DSH 即可。

手动安装（不想用 dsh plugin add 时）

1. 把本仓库放进任意目录，然后在 profile 的 package.json 里加依赖（link: 指向本地目录，或用 file:）：

"dependencies": {
  "dsh-question-voice": "link:E:/path/to/dsh-question-voice"
}

1. 在 profile 的 cordis.patch.yml 里加条目：

- insert:
    - id: dsh-question-voice
      name: 'dsh-question-voice'

1. 在 profile 目录建好 node_modules/dsh-question-voice 链接（mklink /J，或直接 npm install）。
2. 刷新 Web GUI（Ctrl+R），看不到按钮就重启 DSH。

Windows 上改 cordis.patch.yml 建议用 Python 字节级读写：PowerShell 的 Set-Content -Encoding UTF8 会写 BOM、把 LF 变 CRLF，中文注释会乱码，YAML 直接坏掉。

交互约定

操作	行为
点麦克风	请求麦克风 → 开始录音，原地展开录音条（波形 + 计时）
再点停止钮	停止录音 → 16k 单声道 WAV → 本地转写 → 写入输入框
点 ×	取消本次录音，不写入
按 Esc	取消本次录音
切走页面 / 窗口隐藏	取消本次录音
录满 120 秒	自动停止并转写

出错（麦克风被拒、没听清、录音过长、识别服务不在）时按钮右上角出现一个小红点，鼠标悬停看原因；不会弹窗、不打断你打字。

波形皮肤

录制条里那排跳动的柱子有三款观感，默认 A（下面是三款各自的录音条实拍）：

皮肤	观感
A 中心镜像	两端矮、中间高的声纹形状，像在呼吸（默认）
B 底部生长	每根柱子从底部往上长，跳动最直接、幅度最大
C 粗圆浑厚	柱子更宽、圆角更圆，柔和安静

切换（刷新后用浏览器控制台执行一次，再刷新）：

localStorage.setItem('dqv:skin', 'B')   // A / B / C

已知边界

• 依赖 @deepseek-ai/dsh-experimental-voice-input-bundle 在 profile 中启用；那个 bundle 关掉，本插件的按钮只会报「找不到识别服务」。
• 卡片 DOM 类名带打包产物的哈希前缀（当前是 wnLwla），DSH 升级若改变哈希，需要同步改 src/client/ui.js 里的选择器。
• 只对「自定义答案」的文本输入框生效；选项按钮不做语音。
• 识别语言跟随 profile 里语音服务的设置（默认自动）。

开发

lib/client.js      ← 浏览器半边（手写 ModuleLoader 包，无构建）
lib/index.js       ← 宿主半边空实现（仅满足 dsh.client 声明）
src/client/ui.js   ← 与 lib/client.js 同内容，开发时改这份再复制
cordis.patch.yml   ← bundle 的插入条目

lib/client.js 里的 BUILD_TAG 会随版本变化，页面加载时在控制台打一行 [dqv] build <tag>——刷完页面看这行就知道跑的是哪一版。

调试时打开 window.__dqv（最近 60 条状态与调用记录），或看 localStorage['dqv:log']（最近 120 条带时间戳）。

License

MIT