dsh-dsgirl

给 DeepSeek Harness 装上耳朵、眼睛和手：听见系统在放什么声音、看见屏幕、替你在电脑上点按。

Windows 专用（音频采集走 WASAPI），纯 CPU 跑，不需要显卡。

能力

工具	作用
hear	截取最近 N 秒声音转成文字，并判断"人说话 / 音乐 / 环境音 / 静音"，附带响度、BPM
mic_status	麦克风自检：默认设备、是否静音、音量、是否被别的软件占用
see	截屏作为图片送进模型视野，可选坐标网格叠加
game_state	读游戏状态：场景、地图、坐标、血量、金币、当前对话
game_press	替玩家按键：确认 / 取消 / 菜单 / 方向键
game_move	让角色走几步，返回实际移动格数

game_* 需要游戏侧配合：把 gamebridge/GameBridge.js 放进游戏的 js/plugins/，在 js/plugins.js 注册一行。游戏启动后会在 127.0.0.1:7311 开一个本地接口。

hear 返回示例：

{
  "ok": true, "source": "ring(5s)", "duration": 5.0,
  "text": "听得清楚吗", "lang": "zh",
  "sonic": { "loudness_db": -30.6, "bpm": 80.0, "sounds_like": "人声/对白" }
}

安装

1. 装插件

dsh plugin --profile web add github:xiazhiyehuo/dsh-dsgirl

或手工：profile 的 package.json 里 dependencies 加 "dsh-dsgirl": "link:<仓库路径>"、dsh.profile.bundles 加 "dsh-dsgirl"，然后 pnpm install。

2. Python 依赖 + 模型

双击 scripts/setup.bat，或手动：

python -m pip install numpy sounddevice soundcard faster-whisper scipy
python python/download_model.py --size base

模型约 145MB（faster-whisper-base），不进仓库，首次由脚本下载。国内网络加 --mirror https://hf-mirror.com。

3. 重启 DSH，工具出现。

配置

cordis.yml 的插件行：

- id: dsh-dsgirl
  name: 'dsh-dsgirl'
  inject: [tools]
  config:
    python: 'C:/Path/To/python.exe'   # 留空用 PATH 里的 python
    toolsDir: ''                       # 留空用仓库内 python/

环境变量：DSGIRL_MODEL_DIR 指定模型目录，DSGIRL_OUT_DIR 指定录音存档目录。

两种听法

• ring（推荐）：常驻 python/ring.py，一直录着最近 30 秒，hear 往回取，不会漏掉句子开头。
• fresh：现场录 N 秒，简单，但启动慢半拍，头一两个字容易丢。

依赖

Windows + Python 3.10+ + numpy sounddevice soundcard faster-whisper scipy。 20 核 CPU 上 5 秒音频约 1.5 秒转完。

已知限制

• 回环采集只对系统正在播放的声音生效；单个音频文件请用 source: file。
• BGM 和人声混在一起时识别率明显下降。
• base 模型中文日常对话够用，口音重、语速快、专业词会错。要更准换 --size small（约 483MB，慢三倍）。
• 不是"真听觉"：声音被翻译成文字，旋律和情绪只能靠特征数值描述。

License

MIT