dsh-ears

DeepSeek Harness 语音输入插件：支持多种 ASR 后端，并通过 dsh 自身的 LLM 路径完成润色。

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

---

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：

dsh plugin --profile web add dsh-ears

尚未安装 dsh CLI 时：

npx -y @deepseek-ai/dsh plugin --profile web add dsh-ears

从源码安装：

git clone https://github.com/WizisCool/dsh-ears.git
cd dsh-ears
pnpm install
pnpm build
dsh plugin --profile web add "$PWD"

安装完成后刷新 Web UI，输入框右侧会显示麦克风图标。

更新

更新到最新版本：

dsh plugin --profile web update dsh-ears

更新完成后刷新 Web UI。

卸载

dsh plugin --profile web remove dsh-ears

尚未安装 dsh CLI 时：

npx -y @deepseek-ai/dsh plugin --profile web remove dsh-ears

无论通过 npm 还是源码安装，都使用这条命令。卸载后刷新 Web UI，麦克风图标会消失。源码仓库不会被删除；如有需要，请手动删除。

识别后端

后端	工作方式	需要什么	免费额度
Web Speech	浏览器实时识别，边说边出字	Chromium 内核浏览器。音频可能经由浏览器厂商处理	—
本地 Whisper	停止录音后由 Host 调用本机 whisper CLI 转写	预装 openai-whisper，并在插件设置页下载模型（权重不随插件打包）	—
Groq	Host 将录音发送到 Groq Whisper API	Groq API key	Always Free，Rate Limits
阿里云百炼	DashScope 同步转写（Flash 系列）	HTTPS 源站、API key 和模型名；单次录音最长 300 秒	新人免费额度
自定义 OpenAI 兼容	向指定的 /audio/transcriptions 端点发送请求	端点地址、API key 和模型名	—
贡献新后端	—	欢迎通过 提交 PR 接入更多转写服务	—

表中的额度来自提供商文档，可能随时变化，请以提供商的最新说明为准。

Whisper medium 及以上模型仅靠 CPU 通常难以在 120 秒内完成转写，建议使用 GPU 或更快的本地运行时。

润色

润色模型从 dsh → 设置 → 模型 中已经配置的模型里选择。插件只保存提供方、模型名和提示词；LLM key 直接复用 dsh 的现有配置。

默认提示词会删除口头禅、修正常见的 ASR 错字，还能处理「不是 A，是 B」这类自我纠正和「第一……第二……」这类口头列举。提示词留空时使用内置默认值，具体内容可在设置页查看。润色失败或取消时，插件会保留原始转写结果。

本地开发

pnpm install
dsh plugin --profile web add "$PWD"
pnpm check
pnpm test
pnpm build
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。pnpm dev:config 会写出 .dsh/cordis.patch.yml（已在 .gitignore 中）用于 HMR，不会重复注册插件。

文档

• CHANGELOG
• CONTRIBUTING
• SECURITY
• LICENSE

贡献指南和架构说明见：CONTRIBUTING.md、AGENTS.md、.agent/。

License

MIT

友链

• LINUX DO — 新的理想型社区