dsh-local-stt

Локальное распознавание речи для DeepSeek Harness на Windows. Два провайдера подключаются к официальному голосовому вводу и появляются в его штатном переключателе:

Провайдер	Языки	Движок	Скорость на 4 с
GigaAM v3 RNNT	русский	gigastt	~0,25 с
Whisper large-v3-turbo	русский, английский, авто и др.	whisper.cpp	~9 с (CPU)

Официальный @deepseek-ai/dsh-experimental-voice-input-bundle остаётся хозяином микрофона, записи WAV и настроек. Наши пакеты только добавляют распознаватели через ctx.speechToText. Микрофон один, переключатель один.

Можно поставить один общий плагин dsh-local-stt — внутри сразу GigaAM и Whisper, одна строка в списке плагинов. Либо поставить их отдельными пакетами dsh-local-gigaam и dsh-local-whisper, если нужен только один движок.

Требования

• Windows 10/11 x64.
• DeepSeek Harness 0.2.x (проверено на 0.2.2-rc.1).
• Около 1 ГБ свободного места для движков и моделей.
• Интернет только для установки; само распознавание локальное и никуда аудио не отправляет.

Установка

1. Скачать движки и модели

В обычном PowerShell:

powershell -ExecutionPolicy Bypass -File .\setup.ps1

Скрипт проверяет SHA-256 и раскладывает всё в:

%USERPROFILE%\.dsh\bin\gigastt\gigastt.exe
%USERPROFILE%\.dsh\models\gigaam\
%USERPROFILE%\.dsh\models\gigaam\punct\
%USERPROFILE%\.dsh\bin\whisper\whisper-server.exe
%USERPROFILE%\.dsh\models\ggml-large-v3-turbo-q5_0.bin

Только один движок:

powershell -ExecutionPolicy Bypass -File .\setup.ps1 -SkipWhisper
powershell -ExecutionPolicy Bypass -File .\setup.ps1 -SkipGigaam

2. Добавить индекс плагинов

Сначала убедитесь, что включён штатный бандл «Голосовой ввод» — @deepseek-ai/dsh-experimental-voice-input-bundle. Без него не будет микрофона, а наши провайдеры некуда подключать.

В DSH: Плагины → Ещё → Пользовательские магазины плагинов → Добавить источник индекса и вставить:

https://raw.githubusercontent.com/nikimagic/dsh-local-stt/main/docs/index.json

Установить «GigaAM + Whisper — локально» — это один плагин с обоими провайдерами. Если нужен только один движок, установите GigaAM v3 — локально или Whisper — локально отдельно. После установки перезапустить DeepSeek Harness.

3. Выбрать провайдера

Плагины → Голосовой ввод → Провайдер:

• GigaAM v3 RNNT (локально) — русский, быстро, лучшая точность на русском;
• Whisper large-v3-turbo q5_0 (локально) — английский и смешанная речь;
• SenseVoiceSmall (INT8) — штатный провайдер, русского не знает.

GigaAM RNNT понимает только русский. Для английского или смешанной речи переключитесь на Whisper. Если переключаетесь с Whisper (en) на GigaAM, сначала выберите ru.

Установка вручную (без магазина)

Рекомендуется путь через магазин. Для ручной установки:

dsh plugin --profile web add nikimagic/dsh-local-stt

Для desktop-профиля, который управляется приложением, используйте установку через маркет или pnpm: CLI не даёт менять desktop напрямую.

Либо добавьте корневой пакет в профиль через pnpm, пропишите dsh-local-stt в dsh.profile.bundles файла ~/.dsh/profiles/desktop/package.json и перезапустите DSH. Пути по умолчанию уже указывают на каталоги, которые создаёт setup.ps1, поэтому YAML править не нужно.

Как это работает

• gigastt serve слушает 127.0.0.1:9876; официальный API отдаёт ему канонический WAV 16 кГц, моно, PCM16 и получает { text, audioSeconds, inferenceSeconds }.
• whisper-server слушает 127.0.0.1:8001 с тем же форматом результата.
• Оба сервера слушают только loopback. Аудио не покидает машину.
• setup.ps1 заранее скачивает все модели, поэтому при распознавании сеть не используется.

Структура репозитория

index.js                      корневой бандл: оба провайдера одним плагином
cordis.patch.yml              вставка корневого бандла в профиль
packages/dsh-local-gigaam/    провайдер GigaAM (можно ставить отдельно)
packages/dsh-local-whisper/   провайдер whisper.cpp (можно ставить отдельно)
docs/index.json               индекс для Discover
docs/icons/                   иконки магазина
setup.ps1                     загрузчик движков и моделей с проверкой SHA-256

Лицензии

Наш код — MIT. Скачиваемые компоненты сохраняют свои лицензии:

• gigastt — MIT;
• GigaAM — MIT;
• whisper.cpp — MIT;
• веса Whisper — MIT (OpenAI);
• RuPunct ONNX — см. карточку модели.

Модели в репозитории не хранятся; setup.ps1 скачивает их из официальных релизов.