DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

ZhuoSir /

ZhuoSir/dsh-note-taker

Verified

DSH 的会议记录插件。侧栏一键录音,带实时字幕,转写支持本地与云端;停止后把转写交给当前会话生成纪要,历史会议也能单独发起。列表用徽标显示录制/转写/纪要状态,产物统一存成工作区里的单个 markdown 文件。

★ 0 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHub
READMESource: main@dc1f6a6f

会记 · dsh-note-taker

dsh-plugin node license

DeepSeek Harness 插件:录音 → 转写 → 会议纪要。 转写支持本机 faster-whisper 与阿里云百炼(含说话人分离)两条路;纪要在会话里生成, 产物直接落在当前会话的工作区,agent 读得到、你能改得动。

它解决什么问题

开完会,录音在手机里、转写在某个网站里、纪要在另一份文档里——最后还得手工粘一遍。

会记把它收进 DSH:边开会边录,散会点一下,转写出来、你扫一眼改错字、交给会话,纪要就写进你项目的 meetings/ 目录。

关键是三件事都发生在你能控制的地方:

环节 在哪
录音 本机麦克风,落盘到数据目录
转写 本机 faster-whisper(离线)或阿里云百炼(联网)
纪要 你当前的会话,由你在 DSH 里配置的模型生成

功能

  • 双转写引擎:本机 faster-whisper(离线、免费)/阿里云百炼 qwen-audio-3.1-asr-flash(联网、更准、支持说话人分离)
  • 说话人分离:云端引擎可输出 S0 / S1,产物里带标签
  • 会话内驱动:丢一段音频给 agent,说「整理成纪要」,剩下它自己走
  • 产物单文件:meetings/<id>.md 里同时有元信息、## 转写、## 纪要,agent 读写同一份
  • 配置页:模型、Key、接口地址、数据目录、引擎选择都在设置里,改完热生效
  • 长音频分片:47 分钟会议按 5 分钟切片串行识别,失败自动重试一次
  • 不静默失败:错误信息透传服务端原文,不把「路由 500」敷衍成「识别失败」

安装

要求:Node ≥ 20、Python ≥ 3.10(本机转写才需要),以及一个可用的 DSH profile。

# 装进某个 profile(profile 名按你自己的来)
dsh plugin --profile web add D:\path\to\dsh-note-taker

# 重启宿主,让插件激活(工具与页面要重启才生效)
dsh web --port 8099 --no-open

安装后确认两处:

  1. 设置 → 会记:能打开,看到「配置 / 历史纪要」两个 tab
  2. 会话输入框右侧:有「会记」按钮

桌面版(Electron)的 desktop profile 由应用独占,dsh plugin --profile desktop … 会被直接拒绝 (profile "desktop" is managed exclusively by the Electron application)。装桌面版请用下一节的三条命令。

装进桌面版(Electron)

# 装(幂等;装前自动备份 profile 清单,失败自动回滚)
npm run install:desktop

# 只读自检:装没装、链接对不对、跑的是哪份代码、Key 从哪来
npm run verify:desktop

# 卸载(摘接线;录音与转写数据默认保留)
npm run uninstall:desktop

要点:

  • 先退出桌面版再装/卸。安装器检测到应用在跑会直接拒绝(--force 可强制,但不建议—— 边跑边改 node_modules 有风险)。装完重启应用才激活。
  • 装的是链接(link: + junction),所以之后 git pull / 切分支后重启即生效,不用重装。
  • 卸载默认不动 ~/.dsh/note-taker(录音、产物、配置都是你的东西);要清就手工删该目录。
  • 桌面版从图形界面启动,终端里的环境变量传不进去。云端 Key 建议直接在设置页填写; verify:desktop 会报告 Key来源=page|env|none(只报来源,不打印 Key 值)。
  • 其它平台路径不一样时用 --profile-dir 指定,或用环境变量 NOTE_TAKER_DESKTOP_PROFILE。

verify:desktop 的五项自检,任一 ✗ 都说明「装了但可能激活不了」,退出码 3:

自检项 含义
依赖条目 package.json 的 dependencies 是该仓库的 link:
bundles 条目 dsh.profile.bundles 里排在最后一项
node_modules 链接 链接存在且 realpath 指向本仓库(不是别的副本)
lockfile 条目 pnpm-lock.yaml 含该 link: 依赖(pnpm 才不会把它当多余项清掉)
可解析出宿主导出 从 profile 目录 import 能拿到 apply/inject/name(即宿主真能加载它,L-10 的坑)

退出码:0 成功 / 2 用法或前置不满足(如应用在跑)/ 3 安装或校验失败。

快速开始

方式一:在会话里导入音频(推荐)

把音频路径给 agent,直接说:

导入 D:\会议\周会.m4a 并整理成纪要

agent 会调 meeting_import,你拿到的是产物文件路径,它自己读文件、写纪要。

方式二:录音

会话输入框右侧「会记」→ 开始录音 → 停止 → 等识别 → 检查转写、改错字 → 「交给会话生成纪要」。

确认这一步是有意留的:语音识别一定有错字,让机器直接写纪要,错的地方会一路错到底。

工具

插件向 agent 暴露 7 个工具:

工具 作用 关键点
meeting_import 导入音频并转写 接受本地路径或附件路径,可无扩展名;返回 outputFile 绝对路径
meeting_transcribe 对已有会议重跑转写 可指定引擎 / 本机档位
meeting_minutes 生成纪要(插件侧调模型) 结构不合格不落盘
meeting_record_start / meeting_record_stop 录音起停 落盘 16 kHz 单声道
meeting_list / meeting_status 查看会议与状态 —

meeting_import 的返回示例:

{
  "ok": true,
  "meetingId": "20261110-1725-d532",
  "label": "XXX 会议",
  "durationSec": 2826.52,
  "transcribed": true,
  "segments": 507,
  "chars": 16597,
  "outputPath": "meetings/20261110-1725-d532.md",
  "outputFile": "D:/work/demo/meetings/20261110-1725-d532.md",
  "outputMode": "workspace"
}

outputFile 是给工具用的绝对路径;outputPath 是给人看的相对路径。

页面

设置 → 会记

配置 tab:默认引擎(本地/云端)、本地模型档位、分片秒数、云端 API Key(只回掩码)、接口地址、云端模型名、数据目录(注明需重启)。

保存后立即生效(下次请求就读取新配置),并在提示里回显实际生效值。

历史纪要 tab:只列有纪要的会议,点开看正文。

会话输入框旁的卡片

会记                        云端可用 · qwen-audio-3.1-asr-flash
[开始录音]                                    [刷新]
识别中… 已等待 0:12
[ 11-10 16:26          ]  0:42        ← 会议名可就地改,空着显示时间
产物:meetings/20261110-1626-3d64.md(工作区)
┌──────────────────────────────┐
│ 识别结果(可改错字)· 674 字    │
│ [可编辑的转写文本]              │
│ [交给会话生成纪要] [重新录]      │
└──────────────────────────────┘

配置

配置文件:<数据目录>/config.json。优先级:页面保存的配置 > 环境变量 > 内置默认。

环境变量 默认 说明
NOTE_TAKER_DATA ~/.dsh/note-taker 数据目录(改这里才需重启;页面里的改动下次启动生效)
NOTE_TAKER_ASR_ENGINE local 默认引擎
NOTE_TAKER_MODEL small 本机模型档位 tiny/base/small/medium
DASHSCOPE_API_KEY — 云端 Key(也可在页面里填)
NOTE_TAKER_CLOUD_ASR_URL DashScope 公共地址 业务空间专属域名改这里
NOTE_TAKER_CLOUD_ASR_MODEL qwen-audio-3.1-asr-flash 支持说话人分离的型号
NOTE_TAKER_ASR_TERMS — 领域词表(与分人互斥,见下)
NOTE_TAKER_ASR_DIARIZATION 关 设 1 开启说话人分离
NOTE_TAKER_ASR_CHUNK_SECONDS 300 长音频分片秒数
NOTE_TAKER_STREAM_ENABLED 关 设 1 开启流式识别(也可在设置页开)
NOTE_TAKER_STREAM_MODEL qwen3-asr-flash-realtime 流式模型(必须是支持实时识别的型号)
NOTE_TAKER_MODEL_DIR <数据目录>/models 本机模型目录

说话人分离的两个事实

  1. 只有 qwen-audio-3.1-asr-flash 支持。3.0 会静默忽略该参数(speaker_id 恒为 null)。
  2. 与词表上下文互斥:开启分人时不再发送 input_text 词表——实测带着词表请求,speaker_id 会全部退化成 -1。代码里以分人优先。

流式识别

默认关闭(asr.stream.enabled: false),关闭时行为与之前完全一致:录完再整段识别。开启后录音期间就持续把音频实时送去识别,卡片上边录边出字,停录即出结果,不再等一轮整段识别。

开启方式(二选一):

位置 字段
设置 → 会记 → 流式识别 勾选「录音期间实时出字」,可改流式模型名
环境变量 NOTE_TAKER_STREAM_ENABLED=1、NOTE_TAKER_STREAM_MODEL(缺省 qwen3-asr-flash-realtime)

要点:

  • 只认云端 Key:流式走 DashScope 实时接口(wss://…/api-ws/v1/realtime),需要 DASHSCOPE_API_KEY;没配时「开始录音」会直接拒绝并说明,不会录出一场空会议。
  • 隐私:开启后,录音期间音频是持续上传到阿里云百炼的(不是录完传一次)。首次开始录音会单独确认一次,本次会话内不再重复弹。
  • 延迟:说完约 0.3 秒出中间结果,静默约 0.8–1 秒定稿;停录到拿到完整结果通常 1 秒内(服务端 10 秒不响应则按超时收尾,末尾可能截断)。
  • 时间戳是本地推的:实时事件里没有时间戳,显示的段落时刻由「已推音频字节数」换算,误差约 ±0.3 秒,别当秒级对时用。
  • 降级:连不上 / 中途断了两次 → 自动改用停录后的整段识别,音频不丢、产物结构不变;卡片上会明确写「流式已降级」。
  • 计费:按上传的音频时长计费(与整段识别同一套模型计费口径),开会时长 = 上传时长。
  • 不进产物的东西:中间结果只用于屏幕显示,落盘的只有定稿段落;旁路 PCM 收尾即删。

产物与数据

<会话工作区>/meetings/<id>.md        ← 单文件:元信息 + ## 转写 + ## 纪要(正常路径)
<数据目录>/meetings/<id>.md          ← 回落路径(拿不到会话工作区时)
<数据目录>/transcripts/<id>.json     ← 段与统计(插件索引,始终在数据目录)
<数据目录>/recordings/<id>.<ext>     ← 音频
<数据目录>/config.json               ← 页面保存的配置

单文件结构:

# 20261110-1626-3d64 · 周会

- 开始:2026-11-10 16:26
- 时长:47:06
- 引擎:cloud(qwen-audio-3.1-asr-flash)
- 段数 / 字数:551 / 15613

## 转写

[00:00:00] 那这个里面变更的时候…
[00:00:09] 但是现在还有一个好处…

## 纪要

(由会话生成后回写;重新生成只替换本节,转写逐字保留)

meetings/、*.wav、*.m4a、*.tmp 都在 .gitignore 里——会议内容不进版本控制。

实测数据

同一台机器、同一份 47 分钟现场录音(2026-11-10):

指标 本机 small 云端正线
段数 / 字数 903 / 8141 551 / 15613
耗时 540 s 312 s
相对实时比 0.19 0.11
术语准确度 错字较多(决议→绝议) 基本正确
联网 不需要 需要(音频上传)

2 分钟样本的质量对照:

本机:这个里面的变更的时候可能会需要用啥样的 比如说 我们战队是行业的 把它给限量化
云端:这个里面变更的时候可能需要大量的,比如说我们针对行业的把它给现场化,或者说把它变成流程化的这么一个方式

流式识别(qwen3-asr-flash-realtime,2026-11-11 本机实测):

指标 实测
建连 0.24 s
首个中间结果(说话后) 0.91 s
停录到拿到完整转写 0.90–0.99 s
20 秒语音的定稿段数 2–3 段(服务端按语义断句)

开发

npm install                # 只有 esbuild 一个开发依赖
npm run build:client       # 构建浏览器侧产物 lib/client.js
npm run verify             # 结构清单 + 构建可重复校验 + 全部单测
npm test                   # 只跑单测

结构

lib/            宿主侧(Node ESM)——工具注册、状态机、路由、产物落盘
src/client/     浏览器侧(React)——设置页与卡片,esbuild 打成一个文件
py/             Python sidecar——录音、解码、faster-whisper 转写
tests/          单测(node --test)
specs/          需求 / 方案 / 任务 / 台账(四阶段 spec 流程)
releases/       里程碑
docs/           方案与设计文档

两侧契约只有「文件路径 + 一行 JSON」,不共享内存、不互相 import。

浏览器侧产物是特殊格式

DSH 的 web 壳不用原生 ESM 加载客户端插件,而是:

window.__ModuleLoader__.load({ id: 'dsh-note-taker', factory: (require) => { ... } })

所以 lib/client.js 由 esbuild 打成 CJS 再套这层外壳,react 与 @deepseek-ai/* 走 require。 直接产 ESM 会在页面里报 import failed。

隐私

  • 本机引擎:音频与转写都不出本机,零联网
  • 云端引擎:音频会上传阿里云百炼;首次调用会在返回值与日志里各给一次明确提示
  • Key 只在配置文件与请求头里;接口只回掩码(sk-…cdef),日志不记明文
  • 产物与录音默认不入库

已知限制

  • 流式识别未支持(BL-06):目前是「停录后整段识别」,不是边说边出字
  • 说话人分离质量有限:短插话归属不稳定,偶尔同一句被拆到两人
  • 本机麦克风:部分机器录音为静音(无真实语音输入),这种情况用导入路径
  • 界面端到端验证:最近一次工具签名变更后,尚未在真实会话完整复验(specs/20261110_meeting-agent-import T-04/T-05)

相关文档

  • docs/dsh-note-taker-方案.md —— 方案与里程碑
  • specs/_project/lessons.md —— 踩过的坑(14 条,含宿主契约漂移、PowerShell 吞模板字符串等)
  • specs/_project/backlog.md —— 待办(流式、音色分人、loopback 录音、长会议分块)

Spec 流程

本项目用四阶段 spec 开发:需求 → 方案 → 任务 → 实现,三重人工确认后才写代码; 需求变更走 CR,坑与教训进台账。目录见 specs/,纪律见 AGENTS.md。

License

MIT

—/ 5

No ratings yet

Verified DSH bundle

Commit dc1f6a6f8102

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