🎙️ dsh-plugin-voice-dictation · 语音听写

说话即任务：点一下 🎤，说出你的任务，自动填入输入框或直接发送给 DeepSeek Harness Web GUI 里的 Agent —— 从此不用打字。

纯浏览器端实现：使用浏览器内建的 Web Speech API（Chrome / Edge 自带在线语音识别，无需任何 API Key、无需联网配置密钥、无需构建）。

功能

能力	说明
🎤 一键听写	点击悬浮按钮开始说话，实时显示转写（灰字=临时结果），再说一次点击即结束
自动发送	识别结束后按设置自动把任务发送给当前会话（也可改成只填入输入框草稿）
自动续接	浏览器静音超时/网络抖动自行断流时自动续接，不会把半句话当成说完了发出去
智能接入	优先走 DSH 客户端 API（composer 输入机 `setDraft`+`submit` / `conversation.send`），失败自动降级为 DOM 写入输入框
草稿保护	输入框里已有你手写的内容时绝不抢发、绝不覆盖：自动改为追加进草稿并提示
撤销口令	说「取消 / 算了 / 错了 / 重来」等（整句）→ 本条直接丢弃，不发送
更正口令	说「更正 / 上一条作废」→ 自动通知 Agent「上一条任务作废，以下一条为准」
去重	同一句被浏览器拆成两段结果下发时自动合并，绝不出现重复两行
可拖动按钮	按钮位置随意拖动（拖动不会误触发录音），位置持久化（localStorage + Cookie 双写）
可隐藏	⚙ 里一键隐藏悬浮按钮；`Ctrl+Shift+M` 随时唤回
随手可关	面板 `×` 或 `Esc` 关闭；面板默认不显示，不占屏幕
快捷开关	`Ctrl+Shift+M` 全局开/关听写
停止后快捷操作	识别完成后出现「发送 / 填草稿 / 丢弃」三个按钮，不满意随时重来
超时保护	单次最长听写 90 秒自动结束（自动续接不延长上限），不怕忘关麦克风
自愈	组件被页面框架移除后 10 秒内自动重建
中英双语	界面跟随浏览器语言；识别语言可在设置里选中文 / English / 跟随浏览器
安全兜底	权限被拒、浏览器不支持、网络错误都有明确提示；插件任何异常都不影响 DSH 页面

安装

方式 A：一行从 GitHub 安装（推荐）

dsh plugin --profile web add github:dytom18/dsh-plugin-voice-dictation

方式 B：克隆后本地安装

git clone https://github.com/dytom18/dsh-plugin-voice-dictation.git
dsh plugin --profile web add ./dsh-plugin-voice-dictation

方式 C：已在本地（开发调试）

dsh plugin --profile web add C:\Users\hp\.dsh\plugins\dsh-plugin-voice-dictation

暂未发布到 npm（npm 同名包已被他人占用，且新账号受 2FA 限制），目前以 GitHub 为唯一分发渠道。 Windows 桌面端安装前请完全退出 DSH Desktop（含托盘图标），避免 pnpm 占用报 EPERM。

然后重启 DSH 服务（已安装 dsh-setting-restart 的话：设置 → 通用设置 → 一键重启；或在服务端 dsh web 重启），页面按 Ctrl+Shift+R 强制刷新一次。

使用

页面右下（可拖动）出现紫色圆形 🎤 按钮；
点击它 → 打开听写面板，按钮变红开始录音；
说出你的任务（例如：“帮我写一个 Python 脚本，统计当前目录下所有文件的行数”）；
说完了再点一次 🎤（或等待 90 秒自动结束）；
默认自动发送：任务直接发给了 Agent 🚀；若在设置里关闭了自动发送，则文字填入输入框，你按回车发送即可。

记住：Ctrl+Shift+M 也能随时开始/停止听写。

设置

点面板右上角 ⚙：

选项	说明
识别语言	中文（普通话）/ English (US) / 跟随浏览器
自动发送	开启=说完即发送给 Agent；关闭=只填入输入框草稿
发送前确认	开启=说完先显示文字，点「发送」才发（重要任务推荐）
显示悬浮按钮	关闭=整个插件从屏幕上收起；`Ctrl+Shift+M` 可唤回
复位按钮位置	按钮移丢了？一键回默认位置

语音口令（整句说即可）

你说	插件行为
取消 / 撤消 / 算了 / 错了 / 说错了 / 不对 / 不要 / 等等 / 重来 / 重新说 / 别发	本条不发送，提示重新说
更正 / 纠正 / 改口 / 上一条作废 / 上一条不算	自动给 Agent 发一句「上一条任务作废，以下一条为准」
其他任何内容	按设置发送（或填入草稿）；输入框已有手写内容时改为追加、不发送

注意：只有整句等于这些词才触发（例如「不要用 Python，改用 Go」不会被当成取消）。

验证是否加载成功

浏览器按 F12 打开控制台，执行：

__VOICE_INPUT_DEBUG__.state()     // 插件状态：supported / sessionsAvailable / send / confirm / visible
__VOICE_INPUT_DEBUG__.ui()        // 界面状态：面板是否可见、按钮是否显示
__VOICE_INPUT_DEBUG__._probe()    // 会话链路自检：scope / conversation / 输入机 / 当前草稿
__VOICE_INPUT_DEBUG__._classify('取消')   // 口令分类：cancel / correct / normal

没有麦克风也能完整验证链路：

__VOICE_INPUT_DEBUG__.simulateDispatch('帮我分析今天的行情', true)   // 模拟识别并自动发送
__VOICE_INPUT_DEBUG__.simulateDispatch('帮我看看这个文件夹', false)  // 模拟识别并填入草稿
__VOICE_INPUT_DEBUG__.simulateFinish('帮我统计文件数量')             // 模拟「停止录音」全链路

工作原理

🎤 点击 → Web Speech API 在线识别（zh-CN / en-US）
          ↓ 实时转写
识别结束 → 0) 口令判定：cancel=丢弃 / correct=通知作废 / normal=继续
          1) 草稿保护：输入框已有内容 → 追加进草稿，不发送
          2) 优先：DSH 客户端 API
             · 有 composer 输入机 → setDraft + submit()（等同按回车）
             · 无输入机           → conversation.send()（队列发送）
          ↓ 任一失败
          2) 兜底：原生 setter + input 事件写入 textarea（React 受控输入安全更新）

环境要求

DeepSeek Harness dsh web profile（本插件为纯客户端插件，dsh.client.platform: web）
Chrome 或 Edge（Firefox 不支持 Web Speech API，插件会给出提示）
语音识别需要 Chrome 在线服务（Chrome 内置，无需登录/密钥）；首次使用浏览器会请求麦克风权限，请允许

故障排查

现象	原因	处理
按钮不出现	服务未重启 / 页面缓存旧 bundle	重启 DSH 服务 + `Ctrl+Shift+R`
提示「不支持语音识别」	Firefox 或内核不支持	换 Chrome/Edge
提示权限被拒	麦克风权限被拒	点地址栏 🔒 → 允许麦克风 → 刷新页面
提示网络错误	Chrome 识别服务不可达	确认能正常上网后重试
识别成了英文/错语种	语言设置不对	设置里选中文（普通话）
面板关不掉	旧版本 bug（已修）	刷新页面到 v1.1.0+
消息重复两行	旧版本 bug（已修）	刷新页面到 v1.1.0+

更新日志

v1.1.0

修复：面板默认隐藏、×/Esc 真正可关闭（旧版面板常驻、关不掉）
修复：临时结果升级为定稿后未清空导致「同一句发两行」，并增加规范化去重
修复：发送时整句替换草稿，不再追加出第二行
新增：浏览器自行断流时自动续接，不会提前发送半句话
新增：撤销口令（取消/算了/错了…）与更正口令（更正/上一条作废）
新增：草稿保护——输入框有手写内容时只追加、不覆盖、不抢发
新增：可隐藏悬浮按钮（Ctrl+Shift+M 唤回）、面板跟随按钮移动、10 秒自愈重建、拖动不再误触发录音
新增：调试钩子 _probe() / _classify() / ui() / simulateFinish() 便于自检

v1.0.0

首个版本：悬浮 🎤 听写、自动发送/填草稿、快捷键、可拖动、位置持久化

二次开发

全部逻辑集中在 lib/client.js（浏览器端，无依赖、无构建），宿主侧 lib/index.js 为空壳；
改完执行 node --check lib/client.js 验证语法；
调试钩子：window.__VOICE_INPUT_DEBUG__（见上）。

License

MIT

🎙️ dsh-plugin-voice-dictation · 语音听写

说话即任务：点一下 🎤，说出你的任务，自动填入输入框或直接发送给 DeepSeek Harness Web GUI 里的 Agent —— 从此不用打字。

纯浏览器端实现：使用浏览器内建的 Web Speech API（Chrome / Edge 自带在线语音识别，无需任何 API Key、无需联网配置密钥、无需构建）。

功能

能力	说明
🎤 一键听写	点击悬浮按钮开始说话，实时显示转写（灰字=临时结果），再说一次点击即结束
自动发送	识别结束后按设置自动把任务发送给当前会话（也可改成只填入输入框草稿）
自动续接	浏览器静音超时/网络抖动自行断流时自动续接，不会把半句话当成说完了发出去
智能接入	优先走 DSH 客户端 API（composer 输入机 `setDraft`+`submit` / `conversation.send`），失败自动降级为 DOM 写入输入框
草稿保护	输入框里已有你手写的内容时绝不抢发、绝不覆盖：自动改为追加进草稿并提示
撤销口令	说「取消 / 算了 / 错了 / 重来」等（整句）→ 本条直接丢弃，不发送
更正口令	说「更正 / 上一条作废」→ 自动通知 Agent「上一条任务作废，以下一条为准」
去重	同一句被浏览器拆成两段结果下发时自动合并，绝不出现重复两行
可拖动按钮	按钮位置随意拖动（拖动不会误触发录音），位置持久化（localStorage + Cookie 双写）
可隐藏	⚙ 里一键隐藏悬浮按钮；`Ctrl+Shift+M` 随时唤回
随手可关	面板 `×` 或 `Esc` 关闭；面板默认不显示，不占屏幕
快捷开关	`Ctrl+Shift+M` 全局开/关听写
停止后快捷操作	识别完成后出现「发送 / 填草稿 / 丢弃」三个按钮，不满意随时重来
超时保护	单次最长听写 90 秒自动结束（自动续接不延长上限），不怕忘关麦克风
自愈	组件被页面框架移除后 10 秒内自动重建
中英双语	界面跟随浏览器语言；识别语言可在设置里选中文 / English / 跟随浏览器
安全兜底	权限被拒、浏览器不支持、网络错误都有明确提示；插件任何异常都不影响 DSH 页面

安装

方式 A：一行从 GitHub 安装（推荐）

dsh plugin --profile web add github:dytom18/dsh-plugin-voice-dictation

方式 B：克隆后本地安装

git clone https://github.com/dytom18/dsh-plugin-voice-dictation.git
dsh plugin --profile web add ./dsh-plugin-voice-dictation

方式 C：已在本地（开发调试）

dsh plugin --profile web add C:\Users\hp\.dsh\plugins\dsh-plugin-voice-dictation

暂未发布到 npm（npm 同名包已被他人占用，且新账号受 2FA 限制），目前以 GitHub 为唯一分发渠道。 Windows 桌面端安装前请完全退出 DSH Desktop（含托盘图标），避免 pnpm 占用报 EPERM。

然后重启 DSH 服务（已安装 dsh-setting-restart 的话：设置 → 通用设置 → 一键重启；或在服务端 dsh web 重启），页面按 Ctrl+Shift+R 强制刷新一次。

使用

页面右下（可拖动）出现紫色圆形 🎤 按钮；
点击它 → 打开听写面板，按钮变红开始录音；
说出你的任务（例如：“帮我写一个 Python 脚本，统计当前目录下所有文件的行数”）；
说完了再点一次 🎤（或等待 90 秒自动结束）；
默认自动发送：任务直接发给了 Agent 🚀；若在设置里关闭了自动发送，则文字填入输入框，你按回车发送即可。

记住：Ctrl+Shift+M 也能随时开始/停止听写。

设置

点面板右上角 ⚙：

选项	说明
识别语言	中文（普通话）/ English (US) / 跟随浏览器
自动发送	开启=说完即发送给 Agent；关闭=只填入输入框草稿
发送前确认	开启=说完先显示文字，点「发送」才发（重要任务推荐）
显示悬浮按钮	关闭=整个插件从屏幕上收起；`Ctrl+Shift+M` 可唤回
复位按钮位置	按钮移丢了？一键回默认位置

语音口令（整句说即可）

你说	插件行为
取消 / 撤消 / 算了 / 错了 / 说错了 / 不对 / 不要 / 等等 / 重来 / 重新说 / 别发	本条不发送，提示重新说
更正 / 纠正 / 改口 / 上一条作废 / 上一条不算	自动给 Agent 发一句「上一条任务作废，以下一条为准」
其他任何内容	按设置发送（或填入草稿）；输入框已有手写内容时改为追加、不发送

注意：只有整句等于这些词才触发（例如「不要用 Python，改用 Go」不会被当成取消）。

验证是否加载成功

浏览器按 F12 打开控制台，执行：

__VOICE_INPUT_DEBUG__.state()     // 插件状态：supported / sessionsAvailable / send / confirm / visible
__VOICE_INPUT_DEBUG__.ui()        // 界面状态：面板是否可见、按钮是否显示
__VOICE_INPUT_DEBUG__._probe()    // 会话链路自检：scope / conversation / 输入机 / 当前草稿
__VOICE_INPUT_DEBUG__._classify('取消')   // 口令分类：cancel / correct / normal

没有麦克风也能完整验证链路：

__VOICE_INPUT_DEBUG__.simulateDispatch('帮我分析今天的行情', true)   // 模拟识别并自动发送
__VOICE_INPUT_DEBUG__.simulateDispatch('帮我看看这个文件夹', false)  // 模拟识别并填入草稿
__VOICE_INPUT_DEBUG__.simulateFinish('帮我统计文件数量')             // 模拟「停止录音」全链路

工作原理

🎤 点击 → Web Speech API 在线识别（zh-CN / en-US）
          ↓ 实时转写
识别结束 → 0) 口令判定：cancel=丢弃 / correct=通知作废 / normal=继续
          1) 草稿保护：输入框已有内容 → 追加进草稿，不发送
          2) 优先：DSH 客户端 API
             · 有 composer 输入机 → setDraft + submit()（等同按回车）
             · 无输入机           → conversation.send()（队列发送）
          ↓ 任一失败
          2) 兜底：原生 setter + input 事件写入 textarea（React 受控输入安全更新）

环境要求

DeepSeek Harness dsh web profile（本插件为纯客户端插件，dsh.client.platform: web）
Chrome 或 Edge（Firefox 不支持 Web Speech API，插件会给出提示）
语音识别需要 Chrome 在线服务（Chrome 内置，无需登录/密钥）；首次使用浏览器会请求麦克风权限，请允许

故障排查

现象	原因	处理
按钮不出现	服务未重启 / 页面缓存旧 bundle	重启 DSH 服务 + `Ctrl+Shift+R`
提示「不支持语音识别」	Firefox 或内核不支持	换 Chrome/Edge
提示权限被拒	麦克风权限被拒	点地址栏 🔒 → 允许麦克风 → 刷新页面
提示网络错误	Chrome 识别服务不可达	确认能正常上网后重试
识别成了英文/错语种	语言设置不对	设置里选中文（普通话）
面板关不掉	旧版本 bug（已修）	刷新页面到 v1.1.0+
消息重复两行	旧版本 bug（已修）	刷新页面到 v1.1.0+

更新日志

v1.1.0

修复：面板默认隐藏、×/Esc 真正可关闭（旧版面板常驻、关不掉）
修复：临时结果升级为定稿后未清空导致「同一句发两行」，并增加规范化去重
修复：发送时整句替换草稿，不再追加出第二行
新增：浏览器自行断流时自动续接，不会提前发送半句话
新增：撤销口令（取消/算了/错了…）与更正口令（更正/上一条作废）
新增：草稿保护——输入框有手写内容时只追加、不覆盖、不抢发
新增：可隐藏悬浮按钮（Ctrl+Shift+M 唤回）、面板跟随按钮移动、10 秒自愈重建、拖动不再误触发录音
新增：调试钩子 _probe() / _classify() / ui() / simulateFinish() 便于自检

v1.0.0

首个版本：悬浮 🎤 听写、自动发送/填草稿、快捷键、可拖动、位置持久化

二次开发

全部逻辑集中在 lib/client.js（浏览器端，无依赖、无构建），宿主侧 lib/index.js 为空壳；
改完执行 node --check lib/client.js 验证语法；
调试钩子：window.__VOICE_INPUT_DEBUG__（见上）。

License

MIT

dytom18/dsh-plugin-voice-dictation

🎙️ dsh-plugin-voice-dictation · 语音听写

功能

安装

方式 A：一行从 GitHub 安装（推荐）

方式 B：克隆后本地安装

方式 C：已在本地（开发调试）

使用

设置

语音口令（整句说即可）

验证是否加载成功

工作原理

环境要求

故障排查

更新日志

v1.1.0

v1.0.0

二次开发

License

Community comments

dytom18/dsh-plugin-voice-dictation

🎙️ dsh-plugin-voice-dictation · 语音听写

功能

安装

方式 A：一行从 GitHub 安装（推荐）

方式 B：克隆后本地安装

方式 C：已在本地（开发调试）

使用

设置

语音口令（整句说即可）

验证是否加载成功

工作原理

环境要求

故障排查

更新日志

v1.1.0

v1.0.0

二次开发

License

Community comments