dsh-voice-input-plugin

给 DeepSeek Harness Web GUI 加一个语音输入按钮：输入框工具行里、发送按钮一侧出现一个麦克风按钮，点一下开始录音，识别结果实时逐字写入当前会话的待发送框；再点一下（图标变成停止方块）结束录音。发送仍然用原来的发送按钮。

• 仓库：https://github.com/zRa1ny/dsh-voice-input-plugin · 许可：MIT
• 要求：dsh >= 0.1.0-rc.5；浏览器 Chrome / Edge
• 零依赖、无构建步骤：index.js 与 lib/client.js 就是发布产物，npm / git / tarball 三种安装方式都不需要 pnpm 构建授权

浏览器半边独立完成全部工作：使用 Web Speech API（SpeechRecognition / webkitSpeechRecognition），不占用 Host 能力、不上传音频到本地后端、不注册任何模型工具或服务。Host 半边是空插件，只用来让 Web 客户端的模块登记表能扫描到这个包的 dsh.client 声明。

安装

这是一个 dsh 组合包（bundle）：声明了 dsh.bundle（贡献一个配置层）和 dsh.client（贡献浏览器半边）。用 dsh plugin 装进 web profile 即可，它会同时把包加入依赖和 dsh.profile.bundles。

从 GitHub 安装（当前可用）

dsh plugin --profile web add https://github.com/zRa1ny/dsh-voice-input-plugin

# 等价简写
dsh plugin --profile web add github:zRa1ny/dsh-voice-input-plugin

从 dsh 创意工坊安装

dsh-market.com（创意工坊）收录后，可在 Web GUI 的「创意工坊 → 插件」卡片里一键安装；market/listing.json 是本包准备好的目录条目。

从 tarball 安装

pnpm pack
dsh plugin --profile web add ./dsh-voice-input-plugin-0.1.0.tgz

安装后必须重启

客户端模块登记表按包名缓存元数据，插件集合的变化在重启后生效：

dsh --profile web --dump-config   # 应能看到 "# == dsh-voice-input-plugin" 层
dsh --profile web

卸载

dsh plugin --profile web remove dsh-voice-input-plugin

关于 npm 包名

npm registry 上的 dsh-voice-input-plugin 不是本包：那个包由另一位作者于 2026-08-15 发布，与本包同名的另一个实现。因此本包不分发到 npm，安装请用上面的 GitHub 地址。

如果你要发布到 npm，请使用你自己的 scope（例如 @<你的用户名>/dsh-voice-input-plugin），scoped 名称在创意工坊的一键安装里同样有效，安装命令形如：

dsh plugin --profile web add @<你的用户名>/dsh-voice-input-plugin

从源码运行本仓库

git clone https://github.com/zRa1ny/dsh-voice-input-plugin
dsh plugin --profile web add ./dsh-voice-input-plugin

在 dsh 仓库 checkout 内调试时，dsh 是 pnpm dsh，路径按当前工作目录解析：

cd source-code
pnpm dsh plugin --profile web add ../dsh-voice-input-plugin

使用

1. 点麦克风按钮 → 按钮变红并出现脉冲光圈，浏览器首次会弹麦克风授权。
2. 说话时文字实时出现在待发送框（含未定稿的中间结果），可以继续用键盘编辑。
3. 再点一次按钮 → 结束录音，已识别的文字留在输入框。
4. 点原来的发送按钮发送。

状态与失败提示都在按钮上：录音中为红色停止方块，出错时图标转红、鼠标悬停（title）显示具体原因，再点一次即可重试。

行为契约

事项	行为
写入方式	通过会话标准工具包的 inputActions.setDraft(text) 写整段草稿，不是键盘模拟
起始草稿	开始录音时输入框里已有的文字会被保留，识别结果拼在其后（前一个字符是 ASCII 字母/数字时补一个空格，中文直接相接）
识别语言	跟随浏览器语言（navigator.language），取不到时用 zh-CN
连续录音	continuous = true；Chrome 在静音后会自行结束，插件在 onend 里自动续录，直到用户点停止
去重	以结果下标记录已定稿的片段，事件重复投递不会重复追加文字
静音 / 主动停止	no-speech 与 aborted 视为正常，不进入错误态
卸载	切换会话或插件卸载时中止识别并释放麦克风（abort()），随插件 fiber 一起撤销
样式	自注入一个 <style data-plugin="dsh-voice-input-plugin" data-plugin-css="…"> 标签，使用主题 CSS 变量；卸载时由模块登记表按 data-plugin 归属清除

实现原理

唯一的产品接触点是插槽座位 conversation.input.right——输入框工具行里、发送按钮一侧的追加座位（kind: 'list'，replaceRisk: none）。组件从座位提供的标准会话工具包读取数据：

• props.useInput(selector)：订阅本会话输入状态（用来取起始草稿）。
• props.inputActions.setDraft(text)：唯一的草稿写入路径。
• props.input：座位 owner（InputZone）提供的实时输入状态快照，事件处理中可直接读。

本包不替换任何既有座位：注册用的 id: 'voice-input' 是自己的键，不会顶掉别人的格子。

浏览器半边按 Web 客户端的模块协议注册：

window.__ModuleLoader__.load({ id: 'dsh-voice-input-plugin', factory: (require) => { /* … */ return module.exports } })

执行脚本只登记工厂；样式注入等副作用都在工厂闭包里，在首次 import 物化时运行。工厂只 require('react')（冻结平台模块表里的种子条目），返回 { inject, name, apply }——没有 default 导出（default 会让 Loader 的 unwrapExports 丢弃命名空间与 inject）。

项目结构

dsh-voice-input-plugin/
├── package.json        # dsh.bundle + dsh.client + dsh.engines 声明
├── cordis.patch.yml    # 被 profile 列入 bundles 时应用的层：插入一行空插件
├── index.js            # Host 半边：空 apply，仅为让 client 扫描有 entry 可读
├── lib/client.js       # 浏览器半边：发布产物本身（闭包工厂 bundle）
├── market/listing.json # 创意工坊目录条目（提交用），不参与运行
├── test/               # 契约测试，不随 npm 包发布（见 files 字段）
├── LICENSE
└── .gitignore

校验

node test/contract.smoke.mjs

契约测试加载真实 lib/client.js，断言注册协议（handoff id、工厂返回值、inject、注册到的座位与 id）；若能从同仓库的 dsh checkout 解析到 react 与 react-dom/server，还会把按钮真正渲染一次，断言支持/不支持两条分支的 aria-label 与禁用态。

已知限制

• 只在 Chrome / Edge 可用：Firefox 与 Safari 没有 SpeechRecognition，按钮会置灰。Chromium 的实现把音频送到它的在线识别服务，因此需要联网，离线或受限网络会报 network 错误。
• 依赖麦克风权限：权限被拒绝时功能不可用，需要用户在地址栏侧重新允许。
• 一次录音只属于一个会话：切换会话会中止本次录音（旧组件的清理函数释放麦克风），已识别的文字保留在该会话的草稿里。
• 不解析口述标点命令：直接采用浏览器返回的文本，未做「逗号 / 句号」等口令后处理。
• 文案为中文写死：没有引入 locale 服务注册字典；需要多语言时应改为 inject: ['slots', 'locale'] 并用 props.t。
• 入口 id 与动态插件互斥：如果同时运行注册到 conversation.input.right、id 也是 voice-input 的进程内动态 Cordis 插件，两者会占同一个格子；动态插件不跨进程存活，重启后只有本包生效。

维护者：发布与收录

目录条目

创意工坊的线上清单是 https://dsh-market.com/manifest/plugins.json，条目字段为 id / name / nameEn / rank / author / description / descriptionEn / repo / npm / category / subcategory。现有条目的 category 取值为 tools / ui / knowledge / utility / integration / security / agent；本包是输入框控件，取 ui + chat。

market/listing.json 已按该字段集写好，并且故意不写 npm 字段：工坊的一键安装取 ${npm ?? repo ?? id}，一旦 npm 指向 npm 上那个同名他人包，安装就会装错东西。将来若发布了 scoped npm 包，再把 npm 加回来即可。

收录渠道是该生态的公开仓库与社区：zhu1090093659/dsh-web 的 GitHub Issues / Discord 社区；另有独立社区商店 deepseek-plugin-store。

安装端的准入规则（已实测）

• 一键安装把条目 spec 交给 pluginManager.install(spec)，等价于 dsh plugin --profile web add <spec>。
• spec 只接受 npm 包名（可带 @版本，scoped 亦可）或 https:// 开头的 git 地址；^1.0.0 这类范围、ssh://、file://、http://、相对路径、裸仓库名都会被拒绝。
• 不带 .git 的 https://github.com/<owner>/<repo> 与带 .git 的写法都能被 pnpm 正常安装（两种均已实测）。
• 安装端会校验依赖真实落盘、拒绝重复入口 id 认领与引用不可解析包的 insert 行，并用 --dump-config 做组合预检；失败会经官方 remove 路径自动回滚新包。因此入口 id voice-input 不能与既有入口 id 冲突。
• dsh.engines.dsh 是更新前的兼容性门禁（也兼容读顶层 engines.dsh）：本包声明 >=0.1.0-rc.5。运行版本低于声明时更新按钮会被禁用。
• 发布到 npm 时确认 files 覆盖 index.js、lib/、cordis.patch.yml、market/、README.md，并且 exports 保留 "./package.json"（Host 侧 client-modules 通过 require.resolve('<包名>/package.json') 读 dsh.client 声明，exports 未导出的子路径会被 Node 拒绝）与 "./client"（浏览器半边的产物路径）。

Model Experience

None：本包不注册提示词段落、工具、模型消息或提供方请求。识别出的文字只写入本地草稿，只有在用户点发送、由普通 composer 提交流程发出时才会进入模型请求。

KV Cache effect

None；本包不组装、不发送提供方请求。

License

MIT