dsh-mitaecho
v0.5.1
Published
Metaso ASR for DeepSeek Harness: direct Metaso login, account hotwords, and a click-to-talk composer microphone with live streaming transcription. No local service or extra speech bundles.
Maintainers
Readme
dsh-mitaecho
把 秘塔回响 / Metaso 的语音识别直接接进 DeepSeek Harness:
- 聊天输入框:点一下麦克风进入实时识别,再点发送或关闭结束并把文字插入草稿(手机和桌面都适用)
- 实时流式识别:说话过程中就能看到逐字累积的识别结果,默认开启
- 设置页:
Settings → 秘塔回响可切换流式/整段识别、查看连接状态、管理账号热词 - 未登录时点麦克风:弹出居中的登录对话框(手机验证码 / 账号密码 / Cookie),登录后回到输入框点一下麦克风即可开始
完全自包含:不需要 echo-service、不需要 ffmpeg、不需要官方语音输入实验包、不需要打开秘塔回响 App。
登录、会话校验、流式/整段 ASR、热词管理都在插件 Host 内直接与 metaso.cn 通信。
功能
| 能力 | 位置 | 说明 |
| --- | --- | --- |
| 点击说话 | 聊天输入框麦克风 | 点一下进入实时识别;再点发送或关闭都结束录音并把最终文字插入草稿 |
| 实时识别 | 录音时输入框上方 | 通过 WebSocket 边录边传 PCM16,实时显示逐字累积的识别文本 |
| 整段识别 | 同上(可在设置切换) | 录完整段后编码为 16 kHz mono WAV,上传 /api/voice/asr/v2 |
| 自动兜底 | 实时通道不可用时 | 若流式连接失败且还没出字,自动改用整段识别,文本不会丢 |
| 登录门禁 | 点麦克风时 | 未登录则弹出登录对话框;登录成功后回到输入框,再点一下麦克风即可开始 |
| 连接状态 | Settings → 秘塔回响 | metaso.cn 可达性、延迟、登录来源 |
| 秘塔登录 | 设置页 / 输入框登录面板 | 手机验证码、账号密码、手动 sid/uid、从本机回响导入、退出登录 |
| 账号热词 | Settings → 秘塔回响 | 列出 / 新增 / 删除账号级热词,与秘塔账号同步 |
| 识别设置 | Settings → 秘塔回响 | 默认使用流式识别 开关(默认开启),改动立即保存到 Host 磁盘 |
点击说话怎么用
- 点一下输入框右侧的麦克风,进入实时识别。
- 如果输入框是空的,识别文字会直接实时写进输入框,并随着流式结果原地修正;输入框已有内容时,录音行里显示单行预览,结束后插入光标位置。
- 录音时使用与 DSH 内置语音输入一致的紧凑行:
- 左侧 ×:取消本次录音,丢弃识别结果;
- 中间 实时振幅波形:只反映当前麦克风音量,不会自动消失;
- 右侧 停止:结束录音并插入 final;Esc 也可取消。
- 识别结果只插入输入框,不会自动提交消息;插入后焦点回到输入框,可以继续改字、加附件,再点 DSH 的发送。
- 录音/完成识别期间会临时隐藏 DSH 的主发送箭头,避免把未完成的结果提前发出去;final 插入后恢复。
- 键盘和读屏软件直接使用按钮的原生点击即可;不需要按住。
登录状态会在页面加载时异步预热并短暂缓存(已登录 5 分钟;未登录 15 秒),所以重复点击麦克风不会每次都等待 /auth 检查;
登录、退出、修改识别设置或遇到 401 会更新/失效缓存,下一次点击仍能得到正确状态。
移动端细节:
- 麦克风区域仍设置了
touch-action: none、user-select: none、-webkit-touch-callout: none, 并拦截contextmenu,点击或误触长按都不会选中文字、弹出放大镜或系统菜单。 - 第一次使用需要授权麦克风;授权弹窗出现时点“取消”可退出,授权完成后会自动开始识别,不再需要按住。
- 录音过程中想结束,点发送或关闭即可;最长录音 120 秒会自动结束并插入。
语音识别模式
默认 流式识别:录音期间通过同源 WebSocket /api/dsh-mitaecho/ws/asr 把 16 kHz PCM16 音频实时送到
Host,Host 再代理到秘塔网页版使用的 wss://metaso.cn/api/ws/voice2text,把逐字累积的 result 转发回来。
点发送/关闭后等待最终结果(最多约 4.5 s)并插入草稿。
在 Settings → 秘塔回响 → 语音识别设置 关闭 默认使用流式识别 后,录入会回到整段识别:
录完 → 16 kHz WAV → POST /api/dsh-mitaecho/transcribe → 插入。该开关保存在
<DSH_HOME 或 ~/.dsh>/plugin-data/dsh-mitaecho/settings.json,下次打开页面仍然生效。
自动兜底:流式连接失败、超时或 Host 版本不支持升级连接时,如果已经录到音频,会改用整段识别; 如果流式已经出过文字,则保留已有文字,不会重复插入。
热词说明
秘塔 ASR 的热词是账号级的:通过 GET/POST /api/voice/hotword、
PUT/DELETE /api/voice/hotword/{id} 管理,不随每次 ASR 请求上传。按回响项目的记录,
它们由秘塔服务端在下一次识别时应用;接口侧已验证增删改查成功,实际生效由服务端决定。因此:
- 在设置页增删热词后无需重新登录或重启,下一次识别由服务端使用最新词表(该行为属服务端实现,协议层未单独实测);
- 热词与秘塔回响 App / 网页端是同一份账号数据;
- 单个热词 1–64 个字符,自动去除首尾空白。
安装
cd plugins && bun run scripts/build-package.mjs packages/dsh-mitaecho然后用 plugin_manager 的 install_bundle 指向 plugins/packages/dsh-mitaecho
的绝对路径(或使用你所在版本的插件安装入口)。安装后刷新 DSH 页面:
输入框右侧出现麦克风,Settings → 秘塔回响 出现设置页。
不要同时启用官方 “Voice Input(语音输入)” 实验 bundle,否则会出现两个麦克风按钮; 本插件不依赖它,也不需要它。
首次使用
- 在任意会话点一下输入框右侧麦克风。
- 未登录时弹出登录对话框(可点遮罩、Esc 或关闭按钮退出):
- 手机验证码、账号密码,或手动粘贴浏览器 Cookie 的
sid/uid; - 如果检测到本机回响 App 或旧 echo-service 的登录态,也可以在设置页一键导入。
- 手机验证码、账号密码,或手动粘贴浏览器 Cookie 的
- 登录成功后回到输入框,再点一下麦克风开始说话;点发送或关闭结束并插入。
- 首次使用需要允许浏览器麦克风权限;若浏览器未放行,按提示授权后再点一次。
- 插入位置冲突(草稿被改动/光标移动)时会显示“插入”按钮,点一下补插;点“关闭”也会尝试插入,不会丢字。
从 echo-service / 回响 App 迁移
插件检测到以下文件中的有效登录态时,会显示“导入本机登录态”入口:
~/Library/Application Support/com.echo.client/settings.json(回响 App)~/Library/Application Support/echo-service/credentials.json(旧版本地服务)~/.config/echo-service/credentials.json(Linux 旧版)
导入成功后即可删除本地服务:
launchctl bootout gui/$(id -u)/com.echo.service 2>/dev/null
rm -f ~/Library/LaunchAgents/com.echo.service.plist
rm -rf "$HOME/Library/Application Support/echo-service"本插件不提供 OpenAI 兼容的
/v1/audio/transcriptions端点。若其它客户端仍依赖该 端点,请保留 echo-service;DSH 内的语音输入不再需要它。
凭据与安全
- 登录态保存在 DSH 的 credentials record(
dsh-mitaecho/metaso-session), 不写入cordis.patch.yml、不写 localStorage。 sid/uid只在 Host 请求头中使用,不会出现在接口响应、日志或页面文本里。- 支持
METASO_SID+METASO_UID环境变量覆盖(只读,页面内登录会被禁用)。 - 退出登录只删除本插件保存的 record,不影响回响 App 自己的登录态。
- 录音只发往
metaso.cn(流式wss://metaso.cn/api/ws/voice2text,整段/api/voice/asr/v2), 不经过任何第三方;Host 的 WebSocket 只监听本机 DSH 页面同源连接。
工作方式
DSH 浏览器(插件自带麦克风组件)
│ getUserMedia + WebAudio → 增量重采样为 16 kHz mono PCM16
│ WebSocket /api/dsh-mitaecho/ws/asr
│ text: {"type":"start"} → binary PCM16 (100 ms) → {"type":"end"}
▼
DSH Host(本插件)
│ 连接 wss://metaso.cn/api/ws/voice2text
│ Cookie: sid=<SID>; uid=<UID>
│ start {format:"pcm", sampleRate:16000, channels:1, bits:16}
▼ result {text} 逐字累积 → 浏览器实时显示
│ 点发送/关闭后等待最终文本 → 插入草稿
若流式不可用或关闭流式:
│ 16 kHz WAV → POST /api/dsh-mitaecho/transcribe
▼ POST https://metaso.cn/api/voice/asr/v2 → { text } → 插入草稿登录:POST /verify?type=login_sms → POST /login(login_by=sms|account)→
GET /api/my-info 校验后写入 credentials record;errCode:401/HTTP 401 会提示重新登录,
点麦克风时也会重新弹出登录面板。
接口一览(Host 内部)
| 路由 | 用途 |
| --- | --- |
| GET /api/dsh-mitaecho/status / refresh | 连接、账号、语音就绪状态、当前识别设置 |
| GET /api/dsh-mitaecho/auth | 快速登录门禁(不访问 metaso),并返回识别设置 |
| GET/POST /api/dsh-mitaecho/settings | 读取 / 保存 { stream: boolean } |
| WS /api/dsh-mitaecho/ws/asr | 流式识别:PCM16 16 kHz 上行,result/event/error/final 下行 |
| POST /api/dsh-mitaecho/login/send-code | 发送短信验证码 |
| POST /api/dsh-mitaecho/login/verify-sms | 短信登录 |
| POST /api/dsh-mitaecho/login/password | 账号密码登录(RSA PKCS#1 v1.5) |
| POST /api/dsh-mitaecho/login/import | 手动 sid/uid 导入 |
| POST /api/dsh-mitaecho/login/import-local | 从本机回响导入 |
| POST /api/dsh-mitaecho/login/logout | 退出登录 |
| GET/POST /api/dsh-mitaecho/hotwords | 热词列表 / 新增 |
| POST /api/dsh-mitaecho/hotwords/update / delete | 热词修改 / 删除 |
| POST /api/dsh-mitaecho/transcribe | base64 WAV → 转写文本(整段模式/流式兜底) |
已知限制
- 浏览器需要一次麦克风授权;拒绝后可在浏览器站点设置里重新允许。
- 流式识别依赖 DSH 版本提供 WebSocket upgrade 路由;若旧版 DSH 不支持,插件会自动使用整段识别, 设置页会显示“当前 DSH 版本不支持实时语音接口”。
- 秘塔 ASR / 登录是非官方内部接口,可能随版本变化、限流或风控;仅建议个人在本机、 人类节奏下使用,并遵守秘塔服务条款。
- 实时接口对结束帧会返回一条无害的
-500 ungzip payload: EOF,Host 已过滤,不会弹错。 - 会话过期时流式/整段都会返回明确的重新登录提示,不会静默失败。
