dsh-ears
给纯文本 DeepSeek 一对耳朵。
DeepSeek Harness 的开源语音输入插件
简体中文 · English
麦克风 → 转写 → 可选润色 → 可编辑草稿 → 手动发送
https://github.com/user-attachments/assets/1363768e-a393-44bd-a008-1ce2055cac41
识别后端支持浏览器原生 Web Speech、本机 Whisper、Groq、阿里云百炼，以及任意 OpenAI 兼容转写接口。润色可以选择 dsh 里已经接好的任何模型，提示词可以自定义。默认快捷键 Ctrl+Shift+Space。
安装
前置依赖：DeepSeek Harness（0.1.0-rc.6 或 rc.7），Node.js ^22.19.0 || >=24.0.0。
从 npm 安装：
dsh plugin --profile web add dsh-ears
如果还没安装 dsh CLI：
npx -y @deepseek-ai/dsh plugin --profile web add dsh-ears
从源码安装：
git clone https://github.com/WizisCool/dsh-ears.git
cd dsh-ears
pnpm install
pnpm build
dsh plugin --profile web add "$PWD"
安装完成后刷新 Web UI，输入框右侧会出现麦克风图标。
卸载
dsh plugin --profile web remove dsh-ears
如果还没安装 dsh CLI：
npx -y @deepseek-ai/dsh plugin --profile web remove dsh-ears
从 npm 或源码安装都用这条命令。卸载后刷新 Web UI，麦克风图标会消失。源码安装时本地仓库不会被删掉，需要的话自行删除。
识别后端
| 后端 | 工作方式 | 需要什么 | 免费额度 |
|---|---|---|---|
| Web Speech | 浏览器实时识别，边说边出字 | Chromium 内核浏览器。音频可能经由浏览器厂商处理 | — |
| 本地 Whisper | 停止录音后由 Host 调用本机 whisper CLI 转写 |
预装 openai-whisper，在插件设置页下载模型（权重不随插件打包） | — |
| Groq | Host 把录音发给 Groq Whisper API | Groq API key | Always Free，Rate Limits |
| 阿里云百炼 | DashScope 同步转写（Flash 系列） | HTTPS 源站、API key、模型名；单次上限 300 秒 | 新人免费额度 |
| 自定义 OpenAI 兼容 | POST 到指定的 /audio/transcriptions 端点 |
端点地址、API key、模型名 | — |
| 🤝 贡献新后端 | — | 欢迎 提交 PR 接入更多转写服务 | — |
上表额度摘自提供商文档，README 更新可能不及时，请以提供商最新说明为准。
Whisper
medium及以上的模型纯靠 CPU 很难在 120 秒内跑完，建议配合 GPU 或更快的本地运行时。
润色
润色模型从 dsh → 设置 → 模型 里已接入的列表中选取。插件只保存提供方、模型名和提示词，LLM key 复用 dsh 已有的配置。
默认提示词会去口头禅、修 ASR 错字，也能处理「不是 A 是 B」的自我纠正和「第一…第二…」的口头列举。留空则使用内置默认提示词，内容可在设置页查看。润色失败或取消时保留原始转写。
本地开发
pnpm install
dsh plugin --profile web add "$PWD"
pnpm check
pnpm test
pnpm build
pnpm dev:config # 生成热更新配置
pnpm dev:web # 启动 dsh web
开发时另开终端跑 pnpm dev:watch。pnpm dev:config 会写出 .dsh/cordis.patch.yml（已在 .gitignore 中）用于 HMR，不会多注册插件。
文档
贡献指南与架构说明：CONTRIBUTING.md、AGENTS.md、.agent/。
License
友链
- LINUX DO — 新的理想型社区
还没有评论，来写第一条。