dsh-tencent-voice-input

给 DeepSeek Harness（DSH）Web GUI 加腾讯云语音识别（ASR）语音输入的纯插件 bundle：输入框工具行 🎤 麦克风、边说边出的实时预览、结束自动填入输入框；引擎与 AppId 在「设置 → 插件 → 插件配置 → 语音识别设置」卡片里配置。

不修改、不重建任何核心包 —— 全部通过 dsh 公开插拔机制挂载：

• 麦克风挂在官方公开槽 conversation.input.left（工具行），写回走公开 inputActions.setDraft。
• 设置卡片挂在官方公开槽 settings.plugin.item，读写走本插件宿主半身自带的 /stt/config 路由（不依赖任何设置白名单）。

一个包同时是宿主插件（lib/index.js，持腾讯云密钥的 STT 代理）和浏览器插件（lib/client.js，麦克风 + 卡片），dsh.bundle.patch 一行同时接好两边。

安装

dsh plugin --profile web add dsh-tencent-voice-input

然后重启 dsh web。

（或直接加 tarball / git 目录：dsh plugin --profile web add ./dsh-tencent-voice-input-0.1.0.tgz）

一次性配置

把腾讯云密钥写进 $DSH_HOME/.env（dsh 启动时自动加载）：

TENCENTCLOUD_SECRET_ID=AKIDxxxxxxxx
TENCENTCLOUD_SECRET_KEY=xxxxxxxx
TENCENTCLOUD_APPID=1234567890     # AppId,实时流式引擎需要

使用

1. 点输入框工具行的 🎤 开始录音，上方气泡实时显示识别文字；再点一下结束，完整内容填入输入框。
2. 设置 → 插件 → 插件配置 → 语音识别设置：切换引擎 / 填 AppId，保存即生效（走 /stt/config，无需重启）。

| 引擎 | 免费额度 | 计费 | 体验 | |---|---|---|---| | flash（默认） | 实时语音识别 5h | 按音频时长 | 字级实时预览 | | sentence | 一句话识别 5000 次 | 按次 | 3 秒级预览，结束整段识别 |

未填 AppId 自动回退 sentence；流式中断自动降级一句话识别兜底，不丢内容。

接口（宿主半身）

POST /stt/recognize        (sentence) { voiceFormat, data(base64) } → { text }
GET  /stt/capabilities     → { engine, streamPath, sentencePath }
WS   /stt/stream           (flash) 二进制 PCM 帧 + {"type":"end"} → 简化结果帧
GET/POST /stt/config       → 引擎/AppId 读写（设置卡片数据通道）

卸载

dsh plugin --profile web remove dsh-tencent-voice-input