@lmber/dsh-voice-input

为 DeepSeek Harness 提供语音输入的第三方插件：在输入框旁加一个麦克风按钮，说完自动转成文字填进草稿。识别走小米 MiMo ASR。

安装不需要改动 DSH 源码。录音在浏览器里做，识别在 host 侧做，API key 不会下发到浏览器。

功能

• 输入框工具行内的麦克风按钮，点一次开始录音，再点一次结束并识别
• 识别结果追加到当前会话的草稿，已有内容时以空格分隔
• 录音在浏览器内转成 16 kHz 单声道 WAV（MiMo 只接受 wav/mp3，而浏览器录的是 webm/opus）
• 三态提示：空闲 / 录音中 / 识别中；提交进行中禁止开始新录音，但允许结束正在进行的
• 权限拒绝、浏览器不支持、没录到声音、音频过大分别给出对应提示
• 中英双语文案，跟随 DSH 的语言设置
• 组件卸载时释放麦克风，不留占用

安装

dsh plugin --profile web add @lmber/dsh-voice-input

然后设置 API key 并重启 DSH：

# PowerShell
$env:MIMO_API_KEY = 'your-key'

# bash
export MIMO_API_KEY=your-key

插件自带自挂载配置（dsh.bundle.patch），装上即生效，不需要手写 cordis 配置。

打开会话页，输入框左侧应出现麦克风按钮。

卸载

dsh plugin --profile web remove @lmber/dsh-voice-input

配置

三个可覆盖字段，在 profile 的 cordis.patch.yml 里改：

- id: voice-input
  config:
    baseUrl: 'https://token-plan-cn.xiaomimimo.com/v1'
    model: 'mimo-v2.5-asr'
    apiKeyEnv: MIMO_API_KEY

| 字段 | 默认值 | 说明 | | --- | --- | --- | | baseUrl | https://token-plan-cn.xiaomimimo.com/v1 | OpenAI 兼容的 API 基址，含 /v1；插件在其后接 /chat/completions | | model | mimo-v2.5-asr | 识别模型名 | | apiKeyEnv | MIMO_API_KEY | 存放 API key 的环境变量名 |

key 每次识别时重新读取，换了 key 不必重启。

工作方式

浏览器负责采集，host 负责识别：

麦克风 → MediaRecorder(webm/opus) → decodeAudioData → 16kHz 单声道 PCM
      → WAV → base64 → POST /api/voice-input/transcribe
                              ↓ host 侧
                        读取 MIMO_API_KEY → 调用 MiMo → 返回文本

这样分工有两个原因：API key 留在 host 不下发浏览器，以及浏览器直连厂商域名会被 CORS 拦住。

/api/voice-input/transcribe 只接受本机来源（127.0.0.1 / ::1）。这条路由会花掉你的 API 额度，而 DSH 的 webServer 允许配成 0.0.0.0 监听；限制本机来源避免局域网内其他人借用你的 key。

限制

• 只支持 Web profile。 依赖浏览器的 MediaRecorder 和 AudioContext，Electron 与 headless 模式下不加载。
• 音频上限 10 MB（base64 后）。 MiMo 的限制；按 16 kHz 单声道估算约 4 分钟。浏览器和 host 两侧都会检查。
• 没有实时转写。 录完整段才发一次请求，说话过程中不出字。
• 纯静音也算「没录到」。 解码后长度为 0 与解码失败合并为同一提示，因为对使用者来说都是没有可发送的音频。
• 需要安全上下文。 getUserMedia 在非 HTTPS 且非 localhost 的页面上不可用，此时按钮报「浏览器不支持」。
• 未覆盖厂商端点的真实调用。 测试用打桩的 fetch 断言请求构造与错误分支，没有对 MiMo 发过带凭据的请求。

开发

pnpm install
pnpm run typecheck
pnpm run test      # 57 个测试
pnpm run build     # 产出 lib/index.js（host）与 lib/client.js（浏览器）

lib/client.js 是给 DSH 的插件路由用的：CJS 闭包工厂形态，externals 通过注入的 require 解析，样式内联在 bundle 里自行注入 <style>。这几点由 tsdown.config.ts 保证，改构建配置时别破坏。