dsh-push-to-talk — 按键语音输入（push-to-talk）

按住一个键（macOS 默认 Option ⌥，Windows 默认 Alt）开始录音，松开自动停止并转写，识别结果落进当前输入框草稿——不用再用鼠标点麦克风。

按住键可以在 设置 → 插件 → 按键语音输入 里改，改完立即生效并记进 profile，重启后仍是你的选择。

本插件不自己录音、不自己识别、不下载第二套模型：它只是把「按住 / 松开」翻译成官方语音输入插件 （@deepseek-ai/dsh-experimental-client-ui-voice-input）的两次点击，因此录音界面、识别模型、语言与 设备设置全部沿用官方那套。

English: hold a key (Option by default) to dictate into the DSH composer and release to transcribe. Recording, recognition and the model stay with the official voice-input plugin; this plugin only bridges keydown/keyup to that plugin's microphone and stop buttons. The hold key is configurable on the plugin page.

用起来是什么样

动作	底层发生的事
按住选定键	点官方麦克风按钮 → 官方录制栏出现、开始录音
松开	点录制栏里的「停止并识别」→ 转写并插入草稿
按住期间敲了别的键	点「取消」，这次按键照常生效（按住键不会变成第二个修饰键）
上一轮识别失败/为空	再按住一次 = 点录制栏里的「重新录音」
窗口失焦 / 切页	取消本次录音（与官方插件自己的行为一致）

选按住键

插件页里的那张卡片就是选择器，默认 Option ⌥（Windows 上是 Alt），点一下即保存并立刻生效； 「恢复默认」回到默认键。可选键随平台变：

平台	预设键
macOS	⌥ Option · ⇧ Shift · ⌃ Ctrl · ⌘ Command · F2
Windows / Linux	Alt · Shift · Ctrl · F2（不出现 macOS 符号，也不放 Win 键）

macOS          当前按住键 [ Option ⌥ ]
               [ ⌥ Option ] [ ⇧ Shift ] [ ⌃ Ctrl ] [ ⌘ Command ] [ F2 ]   恢复默认

Windows/Linux  当前按住键 [ Alt ]
               [ Alt ] [ Shift ] [ Ctrl ] [ F2 ]   恢复默认

三条规则：

• 修饰键左右两侧算同一个键：选 Option/Alt 时左右两侧都触发，Shift / Ctrl 同理 （存进设置的是归一后的名字 Alt / Shift / Control / Meta，不是原始的 AltLeft / AltRight）， 所以同一份 profile 配置在 macOS 和 Windows 上都指向「同一个键」。
• Windows 不放 Win 键：Win 组合被系统优先截获（Win+L 锁屏等），做成按住键不可靠； Linux 上同理不放 Super。需要的话可以手写 profile patch 填 Meta，卡片上会显示成 Win。
• Windows 的 AltGr 不误触发：Ctrl+Alt 合成的 AltGr（打特殊字符用）会被过滤，不会开始录音。

为什么不做「随便按一个键就设成它」？DSH 的配置写入要求客户端带上当前 revision， configForms 那层在 revision 过期时会直接回 false，界面上就只剩一句「没有保存成功」； 所以这里不走那层，而是通过页面自己的 connection 服务直接发 RPC： 先 settings/describe 取最新 revision，再 settings/mutate；冲突时重试一次， 失败时把 Host 返回的错误码/原文连同通道诊断一起显示在卡片上。

设置值写在 profile patch 的 voice-hotkey 行 config.holdKey 里；字段本身仍是普通字符串， 所以手写 profile patch 时填任意 KeyboardEvent.code 名字也都认（例如 KeyK），只是界面只给常用键。

兜底：写设置失败时，选择仍会记在本页 localStorage（dsh-push-to-talk/holdKey），本次会话照常可用； 浏览器源一换（例如端口变化）就丢，所以真值仍以 profile 里的设置为准。

Windows / Linux 上要注意

• 安装同样走 profile 的 dsh.profile.bundles（link: 或 npm: 都行），装完要重启 DSH； 浏览器半侧的改动刷新页面（⌘R / Ctrl+R）即可。
• 语音识别本身取决于官方语音输入插件：录音、识别模型和语言设置都在 @deepseek-ai/dsh-experimental-voice-input-bundle 里，它是否在 Windows 上可用要以那个插件为准； 本插件只负责把「按住 / 松开」翻译成它的两次点击，官方插件不能用的话这里也无法转写。
• Alt 可能被窗口菜单占用：Electron 窗口有菜单栏时，单独按 Alt 可能先被系统拿去激活菜单。 本插件已经在 keydown 里 preventDefault，但如果你的环境里 Alt 仍然没反应，改成 F2 或 Ctrl。
• 快捷键的判定用 KeyboardEvent.code（物理键位），不受输入法、键盘布局和大小写影响。

它是怎么实现的

两个半侧加起来很薄，没有后台常驻任务：

• src/index.js（Host）：只声明 Config = z.object({ holdKey: z.string().default('Alt').volatile() })。 .volatile() 让 DSH 的设置表单能在不重载插件的情况下改它，并写回 profile patch——所以选择能跨重启保留 （GUI 每次启动的端口不同，localStorage 靠不住）。
• client.js（浏览器）：
  • 文档级 keydown / keyup（capture 阶段）驱动按键状态机；
  • 用 document.querySelector 找到官方插件的麦克风 / 停止 / 重试按钮并 .click()， 官方 DOM 只用稳定的类名后缀与 data-voice-activity 属性定位，失效时退化为 aria-label 匹配；
  • 把 KeyboardEvent.code 归一成按住键名字（AltLeft/AltRight → Alt）；
  • 通过 Host 的 settings RPC 读写 holdKey（先 describe 取最新 revision 再 mutate，冲突重试），并在插件页注册选择卡片；
  • 不联网、不读麦克风、不写文件，唯一的状态是「这一次按住到哪一步了」。

依赖

• DSH Desktop 0.2.1 及以上（用到了 plugins.bundle.config slot 与 configForms 服务）；
• 官方语音输入已就位：设置 → 插件里 @deepseek-ai/dsh-experimental-voice-input-bundle 已启用， 本地识别模型已准备好（点一次官方麦克风按钮，按提示下载一次即可）；
• Host 侧依赖 @deepseek-ai/schemastery（在 dependencies 里，保证任何安装方式都能解析到； 版本与宿主自带的一致，不会分裂 cordis 实例）。

安装

先决条件：官方语音输入插件已启用（@deepseek-ai/dsh-experimental-voice-input-bundle，设置 → 插件里能看到 「语音输入」这一项），并且本地识别模型已经就绪（点一次官方麦克风按钮，按提示下载一次）。

# 从 git 安装（推荐；本包目前只走 GitHub，未发布到 npm）
dsh plugin --profile desktop add github:wengyingjian/dsh-push-to-talk

# 开发时从本地目录安装
dsh plugin --profile desktop add link:/path/to/dsh-push-to-talk

装好后重启 DSH（没有启用 HMR 的 profile 需要重启才会挂上新的插件行）。之后入口在 设置 → 插件 → 按键语音输入。

只改了浏览器半侧（client.js）时不用重启：在页面里按 ⌘R 刷新就会重新加载 Client 插件； 改了 Host 半侧（src/index.js 的 Config 等）才需要重启 DSH。

手工等价做法：把包目录软链到 ~/.dsh/profiles/<profile>/node_modules/dsh-push-to-talk，并在 profile 的 package.json 里登记依赖与 dsh.profile.bundles（本包自带 cordis.patch.yml，组合时会 insert 插件行 voice-hotkey，这一行的 name 要写 dsh-push-to-talk）。

分发状态

• 发现入口是 GitHub topic dsh-plugin（DSH 官方没有自己的插件市场， topic 就是官方发现面）。仓库已经打了这个 topic，社区目录（如 dsh.works、 dsh.so）会按 topic 自动扫描收录，不需要手动提交。
• 没有发布到 npm：所以 dsh plugin add dsh-push-to-talk 这种短名安装暂不可用，请用上面的 github: 形式。 DSH 内置的 Discover 市场只收 npm 条目，同理暂时搜不到。
• 兼容性声明：engines.dsh = ">=0.2.1-rc.5 <0.4.0"；本版本实际核对于 dsh 0.2.1-rc.5。

边界与已知限制

• 不用先把光标点进输入框：只要当前视图有输入框，按住选定键会自己把焦点交给输入框再开始 （在看记录、点了侧栏按钮时也能直接按住说话）。只有焦点停在别的输入框里（设置页搜索框等）才让出按键。
• 设置页等没有输入框的视图不触发；弹窗、菜单打开时让出按键。
• 键盘事件来自页面本身：DSH 窗口在后台（切到别的 app）时收不到按键。系统级「全局按住说话」需要 宿主半侧调用 Electron globalShortcut，本插件只做网页层，不涉及。
• 按住时间太短（录音不足）会由官方插件提示「未识别到语音」；此时直接再按住一次即可重录。
• 首次使用会弹系统麦克风授权；授权对话框可能让窗口失焦而取消这一次，授权后第二次按住即正常。
• 官方插件的类名带 CSS Modules 哈希前缀，本插件按类名后缀（triggerAnchor / _trigger）与 data-voice-activity 属性定位；若 DSH 升级改了结构，按住键会「没反应」而不是乱点，届时改 client.js 里的 TRIGGER_SELECTORS 即可，兜底的 aria-label 匹配（开始录音 / Start recording）也会继续工作。
• 不用官方快捷键服务（ctx.shortcuts）：它只派发 keydown、没有 keyup，且要求组合必须带修饰键， 表达不了「按住一个键说话」。
• 设置表单写入的是 profile patch 里 voice-hotkey 这一行的 config.holdKey；如果这一行被更高层 （如命令行 --patch）固定成别的值，DSH 会拒绝这次写入，卡片会提示保存失败。

测试

node --test test/hotkey.test.mjs

测试用 test/fake-dom.mjs 里的最小 DOM 桩验证按键状态机、安全边界与设置同步；真实选择器与设置写入 仍需在 DSH 窗口里实测。

文件

文件	作用
src/index.js	Host 半侧：声明 holdKey 的 Config（设置表单的唯一来源），无其他行为
client.js	浏览器半侧：键盘状态机 + 驱动官方语音输入插件的按钮 + 插件页配置卡片
cordis.patch.yml	bundle patch：把插件行插进 profile 根层
locale/{zh,en}.json	插件在插件列表里的标题与描述
test/	最小 DOM 桩与用例

许可

MIT