dsh-omi-voice
PolinniZhong
DeepSeek Harness 对话内朗读：点一下即可朗读、暂停、继续 AI 回复，豆包 TTS 自然音色（BYOK），只读最终回答并过滤代码、表格与图形，本地引擎，插件零 Key。
我们跑过，装得上
npm 包Swift1 个月前
1源码
dsh-ears
WizisCool/dsh-ears
面向 DeepSeek Harness (dsh) 的语音输入插件：输入框的麦克风按钮把语音转成草稿文本，支持多种语音识别后端，可选经 dsh 自有 LLM 路由润色，并带原生设置页。
安装
把 dsh-ears 装进 DeepSeek Harness
npm 方式
直接拉已发布的 tarball，不用克隆整个仓库，也不需要额外配置。如果你用的是别的 profile，把 `web` 换成对应的名字。
GitHub 方式 · npm 包
从 GitHub 装会执行项目自己的构建脚本，而 pnpm 默认拦着不让跑——先跑一次这条命令，pnpm 会打印出要加到 ~/.dsh/profiles/web/pnpm-workspace.yaml 里 `allowBuilds` 下面的那个 key。
我们跑过之后
我们跑过，装得上
这里每条命令都在一次性容器里、对着干净 profile 真跑过，结果取自 harness 自己的记录，不是读源码猜的。 最近一次 21 天前.
挂进你的 README
给维护者的：badge 取这条 listing 最近一次 sandbox 实测的结果，重跑之后它自己会变，读者点开就是这页的完整记录。
安装前须知
装 dsh-ears 之前，先看这几条
- 源码在这里： WizisCool/dsh-ears——已进入社区精选库，DSH 自带的插件市场就是从这儿装的。
- 开源协议：MIT。
- 被收录在这里不代表通过了安全审计。插件是带着你 agent 的权限在跑。
AI 锐评
是什么 — dsh-ears 为 DeepSeek Harness 提供语音转写与润色支持，通过多种后端实现识别并生成可编辑草稿。
谁该装 — 在浏览器环境下进行文本对话的用户适合安装。 主要依赖键盘输入的用户不必安装。
注意 — 安装后刷新 Web UI 才能显示麦克风图标。 沙箱实测通过：在全新 profile 里装上并被注册。 没发现明显的坑。
锐评 — 我会装，因为它允许保留原始转写并手动编辑草稿。
grok-4.6 写的，只当参考，不当结论。里面说装得上或装不上，是在干净 profile 里真跑过的；其余都是读仓库读出来的。以实际运行为准。
dsh-ears 是做什么的
dsh-ears 是一个 DeepSeek Harness 插件，为 Web UI 增加语音输入。按下默认快捷键 Ctrl+Shift+Space 或点击麦克风后，插件把录音交给所选转写后端：浏览器原生 Web Speech、本机 whisper CLI、Groq、阿里云百炼，或指定的 OpenAI 兼容 /audio/transcriptions 接口。转写结果先放进输入框，成为可修改的草稿，必须由人工确认并发送，不会替 agent 自动发言。
它也可以调用 dsh → 设置 → 模型 中已经配置的模型进行润色。插件保存所选提供方、模型名和提示词，并复用 DSH 已有的 LLM key；润色失败或取消时保留原始转写。这个设计适合需要口述输入、但不希望语音直接触发会话发送的场景。
如果音频不能离开本机，远程 Groq、阿里云百炼或自定义接口就不合适；本地方案还要求预装 openai-whisper。Web Speech 依赖 Chromium 内核浏览器，且音频可能由浏览器厂商处理。本机 Whisper 在停止录音后才开始转写，较大的模型纯靠 CPU 也可能很慢。运行插件需要 DeepSeek Harness 0.1.0-rc.6 或 rc.7，以及 Node.js ^22.19.0 || >=24.0.0。
dsh-ears 的文档
行为说明
刷新 Web UI 后，输入框右侧会出现麦克风图标。默认使用 Ctrl+Shift+Space 录音，处理流程为“录音→转写→可选润色→可编辑草稿→手动发送”。草稿不会自动发送。润色可去除口头禅、修正 ASR 错字，也能处理自我纠正和口头列举；润色失败或取消时保留原始转写。
转写后端
| 后端 | 工作方式 | 要求 |
|---|---|---|
Web Speech |
浏览器实时识别 | Chromium 内核浏览器；音频可能经浏览器厂商处理 |
本地 Whisper |
停止录音后由 Host 调用本机 whisper CLI |
预装 openai-whisper，并在设置页下载模型 |
Groq |
Host 调用 Groq Whisper API | Groq API key |
阿里云百炼 |
使用 DashScope 同步转写 | HTTPS 源站、API key、模型名；单次最多 300 秒 |
自定义 OpenAI 兼容 |
向指定端点发送 POST |
端点、API key、模型名，并提供 /audio/transcriptions |
Whisper 权重不随插件打包。免费额度和限流以提供商最新文档为准。
润色配置
润色模型从 dsh → 设置 → 模型 的已有列表中选择。插件保存提供方、模型名和提示词，LLM key 复用 DSH 配置。提示词留空时使用内置默认值，可在设置页查看。
环境要求与命令
需要 DeepSeek Harness 0.1.0-rc.6 或 rc.7，以及 Node.js ^22.19.0 || >=24.0.0。卸载使用 dsh plugin --profile web remove dsh-ears，完成后刷新 Web UI。源码开发还提供 pnpm install、pnpm check、pnpm test、pnpm build、pnpm dev:config、pnpm dev:web 和 pnpm dev:watch。
根据项目自己的文档整理，会跟着上游更新。两边对不上时以源码仓库为准—— 去 GitHub 看原始 README
同一分类
dsh-ears 的同类插件
74
dsh-voice-scribe
PensiveFei
面向 Web UI 的语音输入插件：点按 Alt（或 Alt+空格）开始/停止听写，支持浏览器内置 Web Speech（零配置）或 OpenAI 兼容云端 ASR，可选经 DSH 已配置模型润色，带设置页。
我们跑过，装得上
npm 包JavaScript19 天前
1源码
dsh-plugin-tts
1624318455
用免费 Edge TTS 或你自己的 RVC 音色朗读 AI 回复：消息朗读与自动朗读、长文自适应分块渐进播放（无缝衔接）、音色包仓库一键安装、便携 RVC 运行时。
我们跑过，装得上
npm 包JavaScript16 天前
1源码
dsh-voice-mode
qishuilalala
DeepSeek Harness Web UI 全双工语音对话：按钮或 Ctrl+Shift+V 进入，持续聆听（停顿自动发送）或按住说话，zipformer2 流式识别入可编辑草稿、可选唤醒词；回复按句 Edge TTS 朗读并显示实时字幕，开口即打断播放与回合（真 barge-in）；识别模型本地推理、Edge TTS 在线合成，无需 API Key。
没有一行式安装命令——这个插件在一个大仓库的子目录里，也没发 npm 包。
GitHub 源码JavaScript3 天前
dsh-voice-ai-girlfriend-plugin
beiyege-01
Web UI 语音 AI 女友：FunASR 麦克风语音输入、Qwen3-TTS 语音回复、数字人动画窗、QQ 双向聊天（文本/语音/图片推送，经 NapCat）。
装得上，但要先放行构建脚本
GitHub 源码TypeScript1 个月前
1源码
dsh-plugin-xiaomi-mimo-tts
ppy-web
为 DSH Web 添加 Xiaomi MiMo 语音朗读，支持助手消息朗读、PCM 流式播放、预置与自定义音色、浏览器语音兜底、播放控制和可选 UI 音效。
我们跑过，装得上
npm 包TypeScript13 天前
1源码