dsh-ears

给纯文本 DeepSeek 一对耳朵。

DeepSeek Harness 的开源语音输入插件

简体中文 · English

https://github.com/user-attachments/assets/1363768e-a393-44bd-a008-1ce2055cac41

录音时，输入框上方会显示带波形的识别条。转写或润色进行中，可点击丢弃图标取消。

安装

前置依赖：DeepSeek Harness（0.1.0-rc.6 至 0.1.1-rc.2）和 Node.js ^22.19.0 || >=24.0.0。

通过 npm 安装

▼
sh
复制代码
dsh plugin --profile web add dsh-ears

从源码安装

▼
sh
复制代码
git clone https://github.com/WizisCool/dsh-ears.git
cd dsh-ears
pnpm use:platform
pnpm install
pnpm build
dsh plugin --profile web add "$PWD"
# Windows 的 cmd 请使用 "%CD%"；PowerShell 直接使用 $PWD

安装完成后刷新 Web UI，输入框右侧会显示麦克风图标。

卸载

▼
sh
复制代码
dsh plugin --profile web remove dsh-ears

卸载后刷新 Web UI。

使用

点击麦克风图标，或按下 Ctrl+Shift+Space（可在设置页更改）
开始说话
再次按下快捷键或点击麦克风，停止录音并开始转写
开启润色后，原始转写会先写入草稿，润色完成后再更新，期间的手动编辑会被保留
检查内容后手动发送

转写结果始终写入可编辑草稿，不会自动发送。如果所选后端尚未就绪，麦克风图标会变灰，悬停即可查看原因。

识别后端

后端	工作方式	需要什么
Web Speech	浏览器实时识别	Chromium 内核浏览器
本地 Whisper	录音结束后由 Host 本地转写	在设置页下载 GGML 模型
Groq	Host 调用 Groq Whisper API	API key
Deepgram	预录音频或实时音频流	API key、模型名（如 `nova-3`）
阿里云百炼	DashScope 同步转写	API key、模型名；单次最长 300 秒
腾讯云	录音文件识别或实时语音识别	AppID、SecretID、SecretKey、`engine_type`
小米 MiMo	Host 调用 MiMo 语音识别，支持标准 API或 Token Plan	API key、模型名（如 `mimo-v2.5-asr`）；Token Plan 需选择区域集群
自定义 OpenAI 兼容	发送到指定 `/audio/transcriptions` 端点	端点地址、API key、模型名

所有 API key 和凭据由 Host 保存，浏览器不接触。

润色

默认关闭，可在设置页开启。润色模型从 dsh 已配置的模型中选择，LLM 凭据复用 dsh 现有配置。

默认提示词会删除口头禅、修正 ASR 错字、处理自我纠正和口头列举。可在设置页自定义提示词或查看默认内容。润色失败或取消时保留原始转写。

本地开发

▼
sh
复制代码
pnpm use:platform
pnpm install
dsh plugin --profile web add "$PWD"
# Windows 的 cmd 请使用 "%CD%"；PowerShell 直接使用 $PWD
pnpm check          # 类型检查
pnpm test           # 运行测试
pnpm build          # 构建
pnpm dev:config     # 构建并生成 HMR 配置
pnpm dev:web        # 启动 dsh web

开发时在另一个终端运行 pnpm dev:watch。

文档

License

MIT

友链

LINUX DO — 新的理想型社区

dsh-ears

给纯文本 DeepSeek 一对耳朵。

DeepSeek Harness 的开源语音输入插件

简体中文 · English

https://github.com/user-attachments/assets/1363768e-a393-44bd-a008-1ce2055cac41

录音时，输入框上方会显示带波形的识别条。转写或润色进行中，可点击丢弃图标取消。

安装

前置依赖：DeepSeek Harness（0.1.0-rc.6 至 0.1.1-rc.2）和 Node.js ^22.19.0 || >=24.0.0。

通过 npm 安装

▼
sh
复制代码
dsh plugin --profile web add dsh-ears

从源码安装

▼
sh
复制代码
git clone https://github.com/WizisCool/dsh-ears.git
cd dsh-ears
pnpm use:platform
pnpm install
pnpm build
dsh plugin --profile web add "$PWD"
# Windows 的 cmd 请使用 "%CD%"；PowerShell 直接使用 $PWD

安装完成后刷新 Web UI，输入框右侧会显示麦克风图标。

卸载

▼
sh
复制代码
dsh plugin --profile web remove dsh-ears

卸载后刷新 Web UI。

使用

点击麦克风图标，或按下 Ctrl+Shift+Space（可在设置页更改）
开始说话
再次按下快捷键或点击麦克风，停止录音并开始转写
开启润色后，原始转写会先写入草稿，润色完成后再更新，期间的手动编辑会被保留
检查内容后手动发送

转写结果始终写入可编辑草稿，不会自动发送。如果所选后端尚未就绪，麦克风图标会变灰，悬停即可查看原因。

识别后端

后端	工作方式	需要什么
Web Speech	浏览器实时识别	Chromium 内核浏览器
本地 Whisper	录音结束后由 Host 本地转写	在设置页下载 GGML 模型
Groq	Host 调用 Groq Whisper API	API key
Deepgram	预录音频或实时音频流	API key、模型名（如 `nova-3`）
阿里云百炼	DashScope 同步转写	API key、模型名；单次最长 300 秒
腾讯云	录音文件识别或实时语音识别	AppID、SecretID、SecretKey、`engine_type`
小米 MiMo	Host 调用 MiMo 语音识别，支持标准 API或 Token Plan	API key、模型名（如 `mimo-v2.5-asr`）；Token Plan 需选择区域集群
自定义 OpenAI 兼容	发送到指定 `/audio/transcriptions` 端点	端点地址、API key、模型名

所有 API key 和凭据由 Host 保存，浏览器不接触。

润色

默认关闭，可在设置页开启。润色模型从 dsh 已配置的模型中选择，LLM 凭据复用 dsh 现有配置。

默认提示词会删除口头禅、修正 ASR 错字、处理自我纠正和口头列举。可在设置页自定义提示词或查看默认内容。润色失败或取消时保留原始转写。

本地开发

▼
sh
复制代码
pnpm use:platform
pnpm install
dsh plugin --profile web add "$PWD"
# Windows 的 cmd 请使用 "%CD%"；PowerShell 直接使用 $PWD
pnpm check          # 类型检查
pnpm test           # 运行测试
pnpm build          # 构建
pnpm dev:config     # 构建并生成 HMR 配置
pnpm dev:web        # 启动 dsh web

开发时在另一个终端运行 pnpm dev:watch。

文档

License

MIT

友链

LINUX DO — 新的理想型社区