DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

Vasyarot /

Vasyarot/voice-audio-rus

Topic repository only

Voice Audio Rus — голосовой ввод для DeepSeek Harness с локальным Whisper на русском языке. Активное шумоподавление, тест микрофона, сравнение STT-движков.

★ 0 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHubProject homepage
READMESource: main@706ccc63

Voice Audio Rus

Voice Audio Rus

Голосовой ввод для DeepSeek Harness с локальным Whisper. Русский язык — приоритет: распознавание, шумоподавление, тест микрофона и сравнение движков.

license version lang stt offline

Установка · Сравнение STT


Что это

Плагин к DSH (Cordis-бандл: хост-часть + web-клиент), который добавляет диктовку в композер и полный контроль над звуком. Рассчитан в первую очередь на русскую речь: по умолчанию включены русский язык и локальная модель Whisper.

Совместим с DSH 0.2.1-rc.5 (линейка 0.2.x): контракт speechToText, Remote-схемы (speech/catalog, speech/prepare, speech/transcribe) и слоты conversation.input.activity / plugins.bundle.config проверены на этом релизе.

  • кнопка микрофона в поле ввода → запись → распознавание → вставка текста с проверкой ревизии черновика;
  • режим реального времени: текст дописывается в конец черновика сразу, кусками по ~1.5 с речи (и раньше, если вы замолчали) — без кнопок «Вставить»;
  • быстрые настройки у микрофона: правый клик по кнопке открывает меню — режим, модель, язык, облачные параметры; у облачного провайдера список моделей подтягивается из /models автоматически, и панель сама предлагает лучшую для диктовки;
  • локальные модели Whisper (tiny/base/small) через sherpa-onnx, уже входящий в DSH — скачивание одной кнопкой, без Python и компиляторов;
  • шумоподавление: RNNoise (WASM), обрезной фильтр, шумовой гейт, AGC;
  • живой тест микрофона: дБ до и после подавления, калибровка шумового порога;
  • сравнение провайдеров: одна запись — все движки распознают её независимо;
  • push-to-talk, авто-стоп по тишине, авто-пунктуация, словарь замен.

Возможности

🎙 Диктовка кнопка в композере, таймер, уровень, отмена/повтор, вставка в черновик
⏱ Реальное время текст в черновике каждые ~1.5 с речи: без ожидания паузы и без кнопки «Вставить»
🛑 Стоп в живом режиме вручную или автоматически, когда вы замолчали (порог — «Пауза до остановки»)
🎛 Два меню удержание кнопки — выбор режима; правый клик — модель, язык, облако и ссылка на все настройки
🔵 Индикатор режима значок у микрофона и в строке записи: живой режим или по кнопке, таймер авто-стопа
🇷🇺 Русский ru по умолчанию, автоопределение языка, локальная модель без облака
🔊 Шумоподавление RNNoise с регулировкой силы, high-pass, гейт, AGC, входное усиление
📈 Тест микрофона уровень «до» и «после» обработки, дБ, калибровка «Обрезать шум»
⚡ Push-to-talk удержание/переключение, запись сочетания клавиш
🤫 VAD авто-стоп по тишине с настраиваемой паузой и порогом
📝 Текст авто-пунктуация, удаление заиканий, словарь «услышано → вставить»
🧪 Сравнение один WAV → все провайдеры, с задержкой и текстом каждого

Быстрый старт

Клонировать репозиторий не нужно: скрипт сам скачает свежие исходники с GitHub, найдёт dsh, угадает профиль (настольное приложение → desktop, иначе web), поставит плагин и добавит бандл в dsh.profile.bundles.

Windows (PowerShell):

irm https://raw.githubusercontent.com/Vasyarot/voice-audio-rus/main/install.ps1 -OutFile "$env:TEMP\voice-audio-rus.ps1"
powershell -ExecutionPolicy Bypass -File "$env:TEMP\voice-audio-rus.ps1"

macOS / Linux:

curl -fsSL https://raw.githubusercontent.com/Vasyarot/voice-audio-rus/main/install.sh | bash

Повторный запуск — это обновление: архив перекачивается, пакет в профиле переустанавливается на новую версию.

Если хотите править код — клонируйте и запустите скрипт из репозитория, он возьмёт локальную папку plugin/ вместо загрузки:

git clone https://github.com/Vasyarot/voice-audio-rus && cd voice-audio-rus
./install.sh            # .\install.ps1 в Windows
PowerShell shell Что делает
-Profile web --profile web другой профиль (desktop, web, свой)
-Copy --copy копировать файлы вместо симлинка (как в релизе)
-Uninstall --uninstall убрать плагин из профиля
-Dsh <path> --dsh <path> явный путь к dsh
-DryRun --dry-run показать план и ничего не менять
-Version v0.3.0 --version v0.3.0 тег или ветка GitHub вместо main
-Source <dir> --source <dir> поставить из своей папки
-FromGitHub --from-github игнорировать локальный клон, скачать заново
-Dest <dir> --dest <dir> каталог кеша скачанных исходников

Кеш исходников: %LOCALAPPDATA%\VoiceAudioRus\src (Windows), ~/Library/Application Support/VoiceAudioRus/src (macOS), ~/.local/share/voice-audio-rus/src (Linux).

Перезапустите DSH (правка клиента подхватывается и по Ctrl+R), откройте Плагины → Voice Audio Rus и нажмите «Скачать все модели» — загрузка модели начнётся с прогресс-баром.

Вручную, без скрипта
# настольная версия
dsh plugin --profile desktop add "link:D:\path\to\voice-audio-rus\plugin"
# web-версия
dsh plugin --profile web add "link:D:\path\to\voice-audio-rus\plugin"

Затем убедитесь, что имя dsh-plugin-voice-studio есть в dsh.profile.bundles в ~/.dsh/profiles/<профиль>/package.json (страница Plugins делает это сама, ручной dsh plugin add — нет). Для macOS/Linux путь указывается в POSIX-виде: link:/Users/you/voice-audio-rus/plugin.

Локальные модели

Провайдер Загрузка Качество ru Когда выбирать
Whisper TINY ≈ 100 МБ базовое быстрый старт, короткие команды
Whisper BASE ≈ 155 МБ хорошее по умолчанию, баланс
Whisper SMALL ≈ 360 МБ очень хорошее максимум качества офлайн
Облако (опция) 0 зависит от модели максимальная точность, ключ на хосте

Модели качаются один раз в %USERPROFILE%\.dsh\speech-to-text\whisper\<модель> (Hugging Face или зеркало hf-mirror). Сравнение движков и альтернативы (Vosk, GigaAM, Silero) — в docs/local-stt-options.md.

Архитектура

flowchart LR
  A[Микрофон] --> B[Web Audio: high-pass → gain → RNNoise]
  B --> C[Analyser: дБ до/после]
  B --> D[MediaRecorder → WAV 16 kHz]
  D --> E[Remote speech/transcribe]
  E --> F{Провайдер}
  F -->|локально| G[sherpa-onnx Whisper]
  F -->|облако| H[OpenAI-compatible API]
  G --> I[Текст в черновик]
  H --> I

Настройки

  • Модели распознавания речи — провайдер, статус, прогресс загрузки, подготовка.
  • Режим диктовки — «по кнопке» или «в реальном времени», максимум фразы (по умолчанию 1.5 с), пауза для вставки и авто-остановка живого режима по тишине.
  • Микрофон — устройство, тест с двумя измерителями, одна кнопка шумоподавления.
  • Сравнение моделей — прогон одной записи по всем движкам с задержкой и текстом каждого.
  • Шумоподавление и обработка — RNNoise (сила), high-pass, гейт, AGC, лимитер.
  • Тишина и клавиши — авто-стоп, пауза до остановки, порог, push-to-talk.
  • Текст — пунктуация, заикания, словарь замен.
  • Сброс — одна кнопка с подтверждением; модель, язык и ключ остаются.

Быстрый доступ к микрофону:

  • короткий клик — запись в текущем режиме;
  • удержание — меню режима: «По кнопке» или «В реальном времени» (без дублей, только выбор);
  • правый клик — быстрые настройки: модель распознавания, язык, облачные параметры и ссылка «Все настройки →»;
  • значок режима рядом — тоже меню режима, синий «кнопка» / зелёный «живой»;
  • полная страница настроек — ссылка в меню или шестерёнка в строке записи.

Облачный провайдер

Настраивается прямо в плагине — в поповере у микрофона или в Плагины → Voice Audio Rus → «Редактировать модель»:

  • Base URL — https://api.openai.com/v1 или адрес своего shim-сервера;
  • Модель — whisper-1, gpt-4o-transcribe или имя модели на вашем сервере;
  • Ссылка на ключ — имя записи в хранилище (по умолчанию OPENAI_API_KEY);
  • Ключ API — сохраняется в защищённом хранилище DSH (credentials). В конфиг попадает только имя ссылки, значение никогда не возвращается в интерфейс и не пишется в логи.

Как только заполнены Base URL и ключ, плагин сам запрашивает <Base URL>/models, запоминает список и автоматически выбирает модель для диктовки: сначала явные STT-модели (whisper, transcribe, stt), среди них — более новые и крупные (turbo/large), а tts, embeddings и прочее неречевое отбрасывается. В списке рекомендация помечена «★ лучшая для речи», выбор можно изменить вручную.

Параметры применяются сразу, без перезапуска. Резервный путь — переменная окружения с тем же именем ([Environment]::SetEnvironmentVariable('OPENAI_API_KEY', 'sk-...', 'User')).

Разработка

node tools\build.mjs        # client.js из src/client (esbuild)
node tools\whisper-test.mjs # провайдер Whisper с фейковым sherpa
node tools\unit-test.mjs    # текст, WAV, DSP, режим реального времени, рейтинг моделей
node tools\smoke-client.mjs # загрузчик + SSR-рендер слотов и поповера

Структура:

plugin/
  index.js            # хост: регистрация провайдеров
  whisper-local.js    # локальный Whisper (скачивание, sherpa-onnx)
  client.js           # собранный клиент
  cordis.patch.yml    # строки профиля
  src/client/         # UI, аудио-конвейер, настройки
  assets/             # RNNoise wasm + worklet
docs/                 # web-страница, сравнение STT и проверки
tools/                # сборка и тесты

Приватность

  • Аудио живёт в памяти вкладки и в запросе к выбранному провайдеру.
  • Локальные модели обрабатывают звук на машине хоста, без сети после загрузки.
  • Распознанный текст нигде не сохраняется: он сразу вставляется в черновик.

Ограничения

  • Режим реального времени — не потоковый ASR: речь режется на куски (по умолчанию 1.5 с, раньше — по паузе 400 мс), каждый кусок распознаётся целиком и сразу вставляется в конец черновика. Слова на стыке кусков могут потеряться: для точности поднимите «максимум фразы» до 3–4 с в настройках режима.
  • Живой режим останавливается кнопкой или, если включена «Остановка по тишине», после паузы из раздела «Тишина и клавиши» (по умолчанию 1.8 с).
  • Локальный Whisper не потоковый: в режиме «по кнопке» распознаётся запись целиком (до 5 минут).
  • На слабом CPU small может быть медленнее реального времени — тогда живой режим отстаёт; для него лучше tiny/base или облако.
  • Не включайте одновременно официальный dsh-experimental-voice-input-bundle — он вставляет те же строки службы распознавания.

Лицензия

MIT — см. LICENSE. Сторонние компоненты и лицензии — plugin/THIRD_PARTY_NOTICES.md.

—/ 5

No ratings yet

Manifest verification required

Commit 706ccc635428

Community comments

No comments yet. Be the first to write one.

DSH HUB

A community index for DSH plugins. Not an official GitHub or DeepSeek AI product.

CommunityResourcesAPIAbout