dsh-vmic — 语音输入插件（Voice Input for DeepSeek Harness）
dsh-vmic 录音演示：麦克风按钮 + 实时频谱动画
DeepSeek Harness（DSH）的语音输入插件：在聊天输入框旁新增一个 🎙️ 麦克风按钮（带实时频谱动画），录制 16kHz WAV 语音并转写成文字，填入输入草稿供你审阅——真正执行请求的仍是 DSH 中当前选中的模型，语音识别只承担"听写"层，与主模型完全解耦。
界面一览
聊天输入框中的麦克风按钮
麦克风按钮位于发送按钮左侧：点击开始录音，再次点击停止并转写；右键按钮可随时打开配置面板。
特性
- 🎙️ 输入框工具栏的麦克风按钮（发送按钮左侧）：点击开始录音，再次点击停止并转写。
- 📊 录制时实时频谱动画（Canvas 绘制，主题跟随 harness CSS 变量）。
- ⚡ 两种内置转写供应商，右键按钮打开配置面板即可切换：
- 小米 MiMo（
openai-compatible，input_audio 方式，模型 mimo-v2.5-asr）
- 火山豆包（SAUC bigmodel WebSocket 二进制帧协议，模型
bigmodel，资源 volc.bigasr.sauc.duration，支持流式转写）
- ✨ 可选 LLM 润色（默认复用 DSH credentials 中的
DEEPSEEK_API_KEY，deepseek-chat）：去除口语化、修正错别字与标点；也可在面板中配置自定义润色 Key。
- 🔒 API Key 只存在于 DSH 服务端（credentials 密封，命名
VMIC_<ID>_API_KEY），浏览器只能看到"已配置/未配置"状态，拿不到明文。
- 🧪 内置供应商连通性测试：发送 0.5s 测试音，返回延迟与识别文本，快速定位网络/鉴权问题。
- 🌐 中文 / 英文 UI 字符串。
使用流程
使用流程：录音 → 流式转写 → 可选润色 → 填入草稿
- 点击 🎙️ 开始录音（允许浏览器麦克风权限）。
- 再次点击（或红色方块）停止：完整音频转写一次。
- （可选）开启润色后自动调用 LLM 整理。
- 文字进入输入草稿（保留你已有的草稿），检查后回车发送——由当前选中的模型执行。
配置
右键打开的配置面板
右键麦克风按钮打开配置面板：
- 供应商：选择当前使用的供应商（
selectedProvider）、开关与自定义 openai-compatible 供应商（填 baseUrl / model / Key）。
- 语言：
language: auto 或指定（如 zh）。
- 润色：
polish.enabled、是否复用 DEEPSEEK_API_KEY、模型与超时。
API Key
Key 存在 DSH 的 credentials 密封中（~/.dsh/.credentials.yaml），引用名（不带 VMIC_ 前缀的也兼容）：
| 用途 | 引用名 |
|---|
| 小米 MiMo | VMIC_XIAOMI_MIMO_API_KEY |
| 火山豆包 | VMIC_VOLCENGINE_DOUBAO_API_KEY |
| 自定义润色 | VMIC_POLISH_API_KEY（或复用 DEEPSEEK_API_KEY） |
火山豆包密钥两种格式均支持：appkey:accesskey（自动走 X-Api-App-Key / X-Api-Access-Key）或单 Key（走 X-Api-Key）。
安装
版本要求：1.1.0 起适配 DeepSeek Harness 0.2.1-rc.2 及以上（package.json 的 engines.dsh 与 peer 都指向 0.2.x）。0.2.x 移除了 @deepseek-ai/dsh-settings 的 settingsNamespace，插件改用插件 Config + .volatile() 字段 + configEditor 写回配置；DSH 0.1.x 请使用 1.0.0。
插件自带 bundle patch（cordis.patch.yml，由 package.json 的 dsh.bundle.patch 声明）：装好并启用这个 bundle 层，宿主就会自动插入 vmic 行，不需要手写 insert。
桌面端：设置 → 插件 → 添加插件 → 「安装第三方插件」，填本地目录或包名，装完点「立即启用」。桌面端的 profile（~/.dsh/profiles/desktop）由应用自己的插件管理器管理，命令行 dsh plugin --profile desktop 是被拒绝的。
本地开发（link 依赖，代码改动即时生效）：
cd ~/.dsh/profiles/web
# 本地开发：用 link: 指向插件源码目录（路径按你的实际情况修改）
# Windows 示例：pnpm add link:C:/path/to/dsh-vmic
pnpm add link:/path/to/dsh-vmic
发布版（以 GitHub 仓库为例）：
cd ~/.dsh/profiles/web
pnpm add github:Calvin451970353/dsh-vmic
没启用 bundle 层（例如只把包当普通依赖装）时，才需要手工在 cordis.patch.yml 追加这一行；启用了就跳过：
- insert:
- id: vmic
name: 'dsh-vmic'
config:
selectedProvider: xiaomi-mimo
providers:
- id: xiaomi-mimo
type: openai-compatible
name: 小米 MiMo
preset: true
enabled: true
live: false
- id: volcengine-doubao
type: volcengine-doubao
name: 火山豆包
preset: true
enabled: true
live: true
language: auto
timeoutMs: 30000
重启 dsh web 服务并刷新页面。
供应商预设的端点/模型已内置，用户只需填入 API Key；providers 也可留空，插件会用同样的内置预设。
配置面板保存时，插件通过 configEditor 把配置写回当前 profile 的 cordis.patch.yml，落点是顶层 - id: vmic 条目的 config（不是 insert 里的那份）。想手工改配置，改那条即可；insert 只负责声明插件行，可以不带 config。
- insert:
- id: vmic
name: 'dsh-vmic'
- id: vmic
config:
selectedProvider: xiaomi-mimo
timeoutMs: 30000
展示元信息
插件页卡片和详情页标题旁的图标、标题与简介，来自包根声明：
package.json 的 icon → assets/icons/a-solid-gradient.svg（96×96 网格，自带圆角底板；管理器接受 SVG / PNG / JPEG / WebP，≤ 256 KiB，且文件必须位于包目录内）。locale/en.json、locale/zh.json 的 meta.title / meta.description → 按界面语言显示；缺字段时回退到 package.json 的 name / description。
{ "meta": { "title": "语音输入", "description": "DeepSeek Harness 语音输入插件：…" } }
exports 必须导出 ./locale/*.json，否则管理器解析不到词典，只会显示英文 manifest 描述。
宿主路由（host half）
| 路由 | 说明 |
|---|
GET/POST /vmic-config | 读取 / 保存供应商与润色配置（Key 仅存 credentials） |
GET /vmic-key?id= | 回显某个 Key（面板"眼睛"图标用，仅本机回环） |
POST /vmic-test | 用 0.5s 测试音探测某个供应商 |
POST /vmic-asr | 用当前选中的供应商转写一次（base64 data URL） |
POST /vmic-polish / POST /vmic-polish-test | 润色接口与自检 |
POST /vmic-asr-live/start | /chunk | /stop | 火山豆包流式转写（仅 volcengine-doubao 供应商） |
已知限制
- 浏览器录制编码为 16kHz 单声道 WAV；小米 MiMo 对 base64 输入有 10MB 上限（约 5 分钟，远超语音输入场景）。
- 插件配置字段都是
.volatile()，面板保存后由 configEditor 热应用，不需要重启；改了插件代码（lib/*.js）仍需重启 dsh web。
- 若插件被判为与当前 DSH 版本不兼容，服务端会打印
disabling profile plugin row "vmic" 并跳过该行：先确认版本，再按需 dsh plugin --profile web allow-version dsh-vmic@<版本> --dsh-version <当前版本> --accept-risk。
- 客户端 bundle 改动仅在
pnpm run dev:web 监听运行时热更新；否则需重启服务并刷新页面。
License
MIT
