dsh-voice-f9

全局「按住说话」语音输入，装进 DeepSeek Harness。

按住 F9 说话 → 松手 → 文字直接落进光标处。任何 Windows 程序都能用 —— 微信、Word、浏览器、IDE、通达信，不限于 DSH 自己的输入框。

识别全程在本机跑（sherpa-onnx + SenseVoice int8），不联网、不占显卡、 音频不出本机；实测进程 TCP 0 条 / UDP 0 个。

它做了什么

这个插件本身不是识别引擎，而是一层生命周期管理：DSH 起来时把那个本地语音输入 程序拉起来，DSH 退出时收掉它，并把配置（热键、浮标、模型路径）托管好。

你关心的事	插件行为
装完就能用	首次激活自动把程序文件铺到 <DSH_HOME>/voice-f9/
模型从哪来	不重新下载，默认复用 DSH 自带本地语音的那一份（见下）
热键	默认 F9；这台机器上 F9 是静音媒体键也能用（见「F9 是静音键」）
重复启动	程序自带单实例保护，插件和开机自启同时拉起也只会活一个
出问题看哪	<DSH_HOME>/voice-f9.log（插件）＋ <DSH_HOME>/voice-f9/语音输入日志.txt（程序）

依赖

1. Windows（这个程序用了 Win32 取光标位置、winsound、Ctrl+V；其他平台会跳过启动）。

2. Python 3.10+，并装好这几个库：

   python -m pip install sherpa-onnx sounddevice numpy pyperclip keyboard uiautomation
   

   插件默认找 pythonw.exe；找不到就在配置里填 pythonPath。

3. SenseVoice int8 模型（model.int8.onnx 239MB + tokens.txt）。 默认路径是 <DSH_HOME>/speech-to-text/sensevoice —— 也就是 DSH 自带本地语音 输入用的同一份模型。两者是同一個文件（哈希一致），所以装两次只占一份磁盘。

   如果你还没让 DSH 下过模型，也可以把已有的模型放到别处，再用配置里的 modelDir 指过去。不建议重新下载：huggingface.co 会重定向到 us.aws.cdn.hf.co， 实测国内直连约 0.5 MB/s，239MB 要七八分钟，走代理更慢。

安装

dsh plugin --profile <你的 profile> add dsh-voice-f9

装完重启 DSH（或让它热加载）。之后进 设置 → 插件 → 插件配置 调参数。

配置

本插件不声明 Config schema，所以没有自动生成的设置表单 —— 这是刻意的取舍， 原因见下面「为什么没有设置表单」。配置写在 profile 的 cordis.patch.yml 里：

- id: dsh-voice-f9
  name: dsh-voice-f9
  config:
    hotkey: f9            # 可写空格分隔的多个键；对讲机模式不支持组合键
    indicator: true       # 屏幕上跟着光标跑的小胶囊
    pythonPath: 'C:\Python314\pythonw.exe'
    sherpaThreads: 4
    graceMs: 3000

字段	默认	说明
enabled	true	关掉就不启动，但文件还在
pythonPath	自动探测	pythonw.exe 的绝对路径
dataRoot	<DSH_HOME>/voice-f9	程序文件放哪
modelDir	<DSH_HOME>/speech-to-text/sensevoice	模型放哪
hotkey	f9	可写空格分隔的多个键（对讲机模式只支持单键，不支持组合键）
indicator	true	屏幕上跟着光标跑的小胶囊
sherpaThreads	4	推理线程数
graceMs	3000	要求子进程退出后的宽限期；spawn 强制要求这个字段

字段写错、类型不对、甚至整个 config 是 null 或字符串，都会被插件内部的 normalizeConfig() 兜回默认值，不会崩、也不会拒绝加载。

为什么没有设置表单

因为它需要 import z from '@deepseek-ai/schemastery'，而这个导入可能解析失败：

插件常以软链（link:）方式安装，Node 会按真实路径向上找 node_modules； 一旦某个组合里没有把 @deepseek-ai/schemastery 铺到可达位置， 整个插件就是 failed to import —— 所有功能全废，连"没模型"这类提示都发不出来。

这个坑是实测踩到的，不是假想：

dsh: warning: 1 entry did not activate
dsh-voice-f9 (dsh-voice-f9): failed to import

所以本插件零外部导入，配置校验全部手写。代价只是没有表单，换来的是"一定能加载"。

用法

操作	效果
按住 F9 说话	开始录音（浮标变红）
松开	识别（0.1~0.3 秒）→ 文字进光标处
录音时按 Esc	丢弃这段
右键点浮标两次	退出程序

已知行为

F9 是静音键也能用。 有些笔记本（如 ASUS Zenbook 14）的 F9 默认是静音媒体键， 发的是 VK_VOLUME_MUTE 而不是 VK_F9。随包的程序把 volume mute 也绑成候选键， 且 suppress=True 会把这个键吞掉，所以按住 F9 是说话、不会再静音。

浮标会跟着光标跑。 走 UIA TextPattern.GetSelection() 拿真实光标位置，跨应用、 跨屏都跟得上（Chromium/Electron 不提供 hwndCaret，所以不能靠 Win32 那条路）。 想让它钉住不动，把 indicator_pos 改成 top-right 之类即可。

和开机自启共存。 如果你之前用安装包装过一次，注册表 HKCU\...\CurrentVersion\Run 里可能还有一个 VoiceInputF9。两边同时拉起也安全 —— 程序自带命名互斥体，第二份会自己退出并在日志里写明。想只让插件管，把那条自启删掉即可。

出问题了看哪

1. <DSH_HOME>/voice-f9.log —— 插件走到哪一步、失败原因。先看它。
2. <DSH_HOME>/voice-f9/语音输入日志.txt —— 程序自身：热键有没有绑上、模型加载用了多久。
3. 缺模型、缺 Python 这类问题不会把宿主拖垮：插件会记一条 warn 然后跳过启动。

许可

MIT。随包的程序与 SenseVoice 模型来自各自上游，请遵守其许可。