语音服务

独立的 DSH 语音增强插件，在官方语音输入上增加静音收尾、自动发送和自动朗读。无需修改官方源码。

启用官方语音输入并准备识别模型后，再启用本插件。在本插件设置中勾选「增强输入框语音」，普通输入框会显示话筒与录音波形。开始说话后，音量持续低于配置阈值达到 1000 毫秒（默认值），就结束录音并调用官方语音识别接口。全程无声音不会提前结束，最长录音时间沿用官方服务限制。

「转写后自动发送」仅在转写成功插入原草稿后提交。录制期间修改草稿造成冲突时，保留转写文字供手动插入；空结果、取消、切换会话和权限失败不会发送。自动朗读只播放启用后的新回复正文，跳过历史、推理、工具调用与中断回复；离开会话、隐藏页面或关闭开关时停止。

官方模型准备仍在官方语音输入设置中。本插件可另外注册多个本地 ASR 模型，与官方识别器共同出现在本插件设置的「识别服务」列表中。朗读需要启用 dsh-rabiroute-agent，并在 Rabi 配置可用的默认 TTS；通过现有 /rabiroute/speech 接口请求音频。

自定义 ASR 模型

在插件设置点击「添加 ASR 模型」，填写名称、后端、绝对模型路径、Python 可执行文件、设备和支持的语言，保存后在本插件设置选择。可添加多个模型，编辑、停用或移除单项；不删除模型文件。稳定 id 标识每个配置，名称可以重复，id 不可重复。路径属于运行 DSH 的电脑；换电脑后需调整路径和 Python 环境。

支持 FunASR 的 AutoModel 本地目录（例如匹配该接口的 SenseVoice、Paraformer 检查点），以及 faster-whisper 的 CTranslate2 模型目录。普通 Whisper PyTorch 权重不能直接当作 CTranslate2 模型使用。Python 环境需自行安装所选后端及其依赖；插件不安装 Python、不下载模型、不执行模型目录里的自定义 Python 代码。FunASR 配置关闭 remote code，faster-whisper 使用 local_files_only，子进程设置 Hugging Face 离线模式；需要自定义模型代码的检查点不在本版支持范围。

设备默认为 cpu；faster-whisper 精度默认为 int8。语言必须按具体检查点支持范围填写（auto 表示自动识别），不会根据路径猜测。录音开始时通过官方接口固定识别器和语言；更新模型配置会撤销旧识别器并取消在途识别，不回退到其他模型。并发默认 1，繁忙时明确报错。

每次转写启动一个官方 ctx.subprocess 管理的隐藏 Python 子进程，加载模型、识别、退出并释放内存。不是常驻推理服务，大模型每次加载可能较慢。默认识别超时 300000 毫秒，grace 1000 毫秒，结果限额 131072 字节；可在插件配置修改 workerTimeoutMs、workerGraceMs、maxWorkerOutputBytes、maxConcurrentRecognitions。超时、取消和卸载等待受管进程退出后删除临时音频与结果。Home 的 logs/speech-service 保留每次调用的日志和含 PID、父 PID、用途、来源的记录。

逐步退役

官方增加对应能力后，逐项关闭「静音后自动结束录音」「转写后自动发送」「自动朗读回复」。关闭「增强输入框语音」会撤销公开输入插槽替换、立即恢复官方控件；朗读仍可独立启用。官方全部覆盖后可卸载本插件。不会根据版本号猜测官方能力，也不会偷偷修改官方配置。

公开接入点：conversation.input.activity（优先级 -100 的替换）、plugins.bundle.config（本插件设置）与 conversation.session.header.actions（当前会话朗读）。插件卸载撤销注册并等待录音、资源与远端观察释放。

开发

npm install --ignore-scripts --legacy-peer-deps，然后 npm run build。源码不依赖官方私有组件；维护的录音界面基于 MIT 代码，来源见 THIRD_PARTY_NOTICES.md。DSH 当前支持范围为 0.2.1-alpha.1 至 0.3.0 之前；发布包含 lib 产物，不要求安装端构建。

npm test 验证回复筛选。DSH 配套客户端行为和浏览器测试需要官方开发工作区，用 tests 中的运行脚本执行。它们测试静音、草稿冲突、取消、标准 ConfigForm 持久化、官方控件恢复及真实浏览器音频播放。