DSH Marketplace

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

装到哪

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 10 天前,DeepSeek Harness 0.2.2-rc.1.

挂进你的 README

实测可装 — dshmarketplace

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。

安全

装 dsh-ears 会执行什么

构建脚本

pnpm 跳过了下面这些依赖的构建脚本,插件没有它们也注册上了:

  • @fugood/whisper.node@1.1.3

换成 pnpm 11,安装会停下来先让你放行;放行之后,脚本以你当前用户的权限执行。

来源:我们在沙箱里的实装,DeepSeek Harness 0.2.2-rc.1,10 天前。

安装钩子

package.json 里没有 preinstall / install / postinstall 脚本。

来源:最近一次同步时读到的 GitHub 上的 package.json。prepare 没有记录——它只在从 GitHub 装时执行,被 pnpm 拦下时会出现在「构建脚本」那一行。

README 里提到

既没提 shell 命令,也没提密钥。

来源:对 README 做的关键词匹配,只提示它可能碰到什么,不是代码分析。

这不是安全审计。上面是一次实装记录加两次文本扫描,没有人替你读过这个插件的代码。插件带着你 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

Sound waves flow through transcription and polishing channels into an editable draft.

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

把输入框草稿改写为更清晰、结构化的提示词(5 模式·模型回退链·可选多轮记忆),并为 DSH 语音输入加上说完自动停、热键与口水词清理;识别仍由官方 speechToText 提供,插件不自带引擎。

我们跑过,装得上

GitHub 源码JavaScript12 天前

dsh-omi-voice

PolinniZhong

76

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Swift2 个月前

AI 锐评

dsh-omi-voice

是什么 — 插件为 DeepSeek Harness 提供 AI 回复点读功能,使用 Omi 引擎合成豆包 TTS 自然中文音色。

谁该装 — 如果你在 DeepSeek Harness 对话中需要自然音色的 AI 回复,且已配置 macOS 上的 Omi 引擎并有豆包 API Key,那么此插件适合你。 如果不在 macOS 系统上使用 DeepSeek Harness,则此插件不适用。

注意 — 沙箱实测通过,在全新 profile 里装上,并被 harness 注册进 profile。 需要 macOS Apple Silicon 平台并启动 Omi 引擎,豆包 TTS 按字符计费但有内存 LRU 缓存与去重。

锐评 — 如果我在 macOS 上使用 DeepSeek Harness,我会安装它,因为它只读最终答案并过滤代码表格,同时支持暂停继续,且插件零密钥,但前提是接受豆包按字符计费。

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。去看源码
1源码

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TypeScript23 天前

dsh-plugin-tts

1624318455

39

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JavaScript1 个月前

AI 锐评

dsh-plugin-tts

是什么 — 为 DeepSeek Harness 助手回复集成 Edge TTS 与 RVC 语音朗读功能。

谁该装 — 在使用 DeepSeek Harness web 配置文件处理助手回复时,此插件可实现语音朗读。 如果用户不使用 DeepSeek Harness web 配置文件,此插件将无法正常工作。

注意 — 沙箱实测通过:在全新 profile 里装上,并被 harness 注册进 profile。 没发现明显的坑。

锐评 — 我会安装它,因为沙箱测试通过并支持 RVC 自定义音色,但前提是使用 DeepSeek Harness web 配置文件。

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。去看源码
1源码

为 DSH 提供小米 MiMo、豆包、Breeze 和浏览器语音,支持接入外部供应商与本地模型、文本过滤、实时流式朗读、音频下载、音效、桌宠及 QQ Bot、AI Passport 联动。

我们跑过,装得上

npm 包TypeScript19 天前

AI 锐评

dsh-plugin-xiaomi-mimo-tts

是什么 — 添加 Xiaomi MiMo TTS 语音朗读控制到 DeepSeek Harness 的最终助理消息中,提供预设声音和自定义音色设计。

谁该装 — 在 DeepSeek Harness 进行自然语言对话需要通过语音朗读辅助理解助理响应的场景适合安装。 不需要语音朗读或文本转语音功能的用户无需安装。

注意 — 需要提供有效的 Xiaomi MiMo API Key。 沙箱实测在全新 profile 中成功注册并被 harness 注册进 profile。 没发现明显的坑。

锐评 — 如果需要语音朗读功能,我会装它,因为它直接集成在对话操作栏中提供流式播放。

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。去看源码
1源码
35

面向 DSH Web UI 的语音输入插件:点按或按住 Alt 听写,结果落进输入框草稿。默认本地离线 SenseVoice(离线、零配置、零 key),自动回退浏览器 Web Speech,可选 OpenAI 兼容云端 ASR 服务链,可经 DSH 已配置模型润色,带设置页。

我们跑过,装得上

npm 包JavaScript26 天前

AI 锐评

dsh-voice-scribe

是什么 — DeepSeek Harness 网页UI 的语音输入插件。

谁该装 — DeepSeek Harness 网页编辑界面中需要快速语音输入的用户适合此插件。 如果更注重提示词优化和文件转 Markdown 的用户可选用其他增强插件。

注意 — 沙箱实测通过,在全新 profile 中安装并注册。未发现其他运行问题。

锐评 — 我会装它,因为它支持可选 LLM 润色。

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。去看源码
1源码