按住说话图标
按住说话
在 DeepSeek Harness 的输入框里按住鼠标说话，松开后转写成草稿。不会自动发送。
简体中文 · English
实操录屏：悬停出现提示，长按开始录音，上滑后松开取消
三步示意图：按住约 0.3 秒，说话，松开后文字进入草稿
有什么不同
- 不另装识别引擎：没有任何依赖，复用官方语音输入模块已经准备好的本地模型和语言列表，不多下载一套模型，也不用编译原生模块。
- 鼠标、触屏、键盘都能用：鼠标按住约 0.3 秒；触屏单独 450 ms 阈值，避开长按选词；也可以按住
Ctrl + Shift + Space，Esc 取消。
- 不覆盖你的修改：识别期间你改了草稿，结果退到右下角的小标签里，点一下才插入。
- 失败不丢录音：服务一时连不上，可以对同一段录音点重试。
- 边说边出字（实验）：长录音在句间停顿处分段提交，只重读新的部分；松开后仍以整段录音定稿。
- 从不自动发送，文字只进草稿。
装之前：两样东西要先就位
这个插件不自带识别引擎，它复用官方语音输入模块的服务。
| 需要什么 | 怎么确认 |
|---|
官方模块 @deepseek-ai/dsh-experimental-voice-input-bundle | 设置 → 插件 里已安装、已启用 |
| 本地识别模型 | 点输入框旁的官方麦克风按钮，按提示「下载并准备」 |
模型没准备好时，插件会在录音界面上直接告诉你该去哪里点。但如果整个语音模块缺失，它按设计不注册任何东西，界面上不会有任何反应，所以先确认模块在位。
安装
交给 Agent（推荐）
在 DeepSeek Harness 中切换到 Creator 模式，把下面这段发给 Agent：
请使用 plugin_manager，在当前 DeepSeek Harness 配置中安装并启用按住说话插件。
先检查官方语音输入模块 @deepseek-ai/dsh-experimental-voice-input-bundle：
缺失时安装，已安装则确认启用。
然后安装本插件：
action: install_bundle
target: github:jryang1997/dsh-hold-to-dictate
如果已经安装，请检查启用状态，避免重复安装。
请检查语音识别模型是否已准备好。需要我下载模型或授权麦克风时，
告诉我在哪里操作。完成后告诉我如何刷新页面并测试。
装完刷新页面。
命令行安装
已有可用的语音输入模块时，也可以运行：
dsh plugin --profile <profile> add github:jryang1997/dsh-hold-to-dictate
把 <profile> 换成实际配置名。桌面应用的 desktop 配置由应用独占管理，命令行会被拒绝，请用上面的 Agent 方式。
怎么用
鼠标按住约 0.3 秒后开始录音。
| 操作 | 怎么做 |
|---|
| 录音 | 在输入框内按住鼠标，或按 Ctrl + Shift + Space |
| 转写 | 松开 |
| 取消 | 向上拖出输入框，看到取消提示后松开；也可以按 Esc |
| 插入被搁置的结果 | 识别期间改动过草稿时，转写文字会留在右下角的小标签里，点一下插到光标处 |
鼠标移入输入框时，工具行中间会显示一行提示，写着「按住鼠标语音输入文字 · 上滑取消」。工具行中间剩下的宽度不足 48 像素时（比如模型名很长），这行提示会被丢掉，而不是压在别的控件上。浅色、深色、降低透明度、增强对比度都正常。
设置
设置 → 插件 → 按住说话。这些设置只影响本机。
| 设置 | 默认 | 可选项 |
|---|
| 按住时长 | 300 毫秒 | 150 至 800 毫秒。手慢调长，误触调短 |
| 触屏按住时长 | 450 毫秒 | 250 至 1200 毫秒。比鼠标长，因为触屏长按同时是选词 |
| 识别语言 | 跟随宿主 | 跟随宿主 / 中文 / 英文 / 粤语 / 日文 / 韩文 |
| 键盘快捷键 | Ctrl + Shift + Space | 关闭 / Ctrl + Shift + Space / Ctrl + Shift + D / Ctrl + Shift + M / Ctrl + Alt + Space |
| 悬停提示 | 开 | 开 / 关 |
| AI 润色（实验） | 关 | 开 / 关。见下文 |
| 润色模型 | 自动 | 开启润色后出现。自动（挑又快又便宜的文本模型）或任一已配置的文本模型 |
| 常用词 | 空 | 开启润色后出现。逗号或换行分隔，最多 60 个 |
| 动效 | 完整 | 完整 / 精简（去掉位移与缩放，只保留淡入淡出） |
| 边说边出字（实验） | 关 | 开 / 关，见下节 |
固定「识别语言」可以省掉宿主每次请求自己判断语种的那一步。实测多数长度下更快，也可能持平。
设置页面截图（v1.5.2 旧版）
按住说话的设置页面：按住时长、触屏按住时长、动效、悬停提示和键盘快捷键
这两张截图来自 v1.5.2。图中的说明文字当时有误，插件名称和图标也是旧的，并且都没有 v2.1.0 的「边说边出字」开关和 v2.2.0 的「识别语言」。以上面的表格为准。
另一张设置页面截图，包含全部设置和组件运行状态
边说边出字（实验）
开启后，录音期间会滚动调用官方本地语音模块，把识别结果写进草稿；松开后用整段录音定稿。
它的行为分两段：
- 短句 每次都重读整段录音，所以后面的结果可以修正前面的文字。
- 长录音 一次整段识别超过约 0.7 秒后，改为在句间停顿处提交已定稿部分，之后只识别停顿以来的新音频。停顿从录音本身检测，切点取静音段中点，所以不会切在词中间；没有句间停顿就不提交，退回整段识别。已提交的文字在本次录音内冻结。
松开后仍然用整段录音定稿，两段都不改变你最终留下的文字。
实测同一段 21 秒带停顿音频、只换代码版本，出字刷新从 14 次升到 46 次，首次出字从 1246 毫秒降到 802 毫秒。旧版变慢的瓶颈是插件自己固定的 1 秒等待，不是模型。
只对本地语音服务和不含引用芯片的纯文本草稿启用，其他环境沿用松开识别。录音中手动编辑草稿会停止自动替换，最终结果保留在小标签里供你手动插入。两种模式都不是模型原生逐字流。
AI 润色（实验）
默认关闭，效果还在调优。开启后，转写完成会用你在 DSH 里已经配好的模型整理一遍再插入，不需要另配 API Key：
- 去掉「嗯、呃、那个、就是」这类语气词和口吃，保留「吧、呢」这类有意思的语气
- 口误自我纠正（「不对，我说的是…」）只留最后的说法
- 修正同音错字和听错的术语（根木鹿 → 根目录，脱肯 → Token），补标点和中英文间空格
- 口述「三件事，第一…第二…」时整理成
1. 2. 3. 列表；普通叙述不硬拆
听错的专业词最好的办法是填「常用词」：把你常说的术语、项目名、人名填进去（如 Claude Code, DSH, Kubernetes），润色听到发音相近的词会按你的写法纠正，但不会凭空插入。列表由代码按「第一 / 首先 / 一是 / first」这类序数词排版；模型改动太大时会被拒绝并插入原文。
它不改写、不翻译、不回答你说的问题，也不会自动发送。模型自动挑一个轻量的（名字里带 Flash / Mini / Lite 之类的优先），并关掉推理。消息会经过该模型的服务商，在意隐私就保持关闭。
任何失败（没配模型、超过 15 秒、返回空内容）都会插入原文，并提示「润色没成功，已插入原文」。润色中按 Esc 会和转写一样取消。这部分运行在 Host 侧，由官方的 @deepseek-ai/dsh-llm 提供；Host 缺少它时插件照常工作，只是永远插入原文。
提示词参考了 dsh-better-input（MIT）的润色规则。
出问题的时候
| 现象 | 原因和处理 |
|---|
| 长按完全没反应 | 多半是官方语音输入模块被停用了。插件按设计静默降级，不会报错，所以这里没提示。去 设置 → 插件 确认它已启用 |
| 提示语音模型没准备好 | 到 设置 → 插件 → 语音输入 点一次「下载并准备」 |
| 提示麦克风不可用 | 在系统设置里允许 Harness 使用麦克风，然后重试 |
| 转写失败，显示服务不可达 | 识别服务那一刻连不上。失败不会吃掉已经录到的音频，用胶囊上的重试按钮对同一段录音再来一次，或关掉重录 |
识别期间改过草稿时，结果会退到右下角的小标签里，不会覆盖你的编辑。
已知限制
- 长录音分段提交后，已提交的临时文字不再自我修正。
- 一致性数字来自同一份录音棚素材、同一模型、单机、有限组数，不是跨素材保证。
- 自动化测试用的是假麦克风喂 WAV 加简化 DOM 桩。**真实麦克风与真实页面已实测可用。**真人即兴口述的停顿检测更难。噪声大时检测不到停顿，就保留整段识别，不会把词从句子中间切断。
- 录音时长默认最长 110 秒（设置里可调 15–600 秒），大小上限约 4 MiB；都不会超过语音服务声明的上限。
更新或卸载
GitHub 安装不会自动更新。pnpm 会把 GitHub 依赖钉在某个具体 commit 上，仓库发了新版也不会自动跟随。更新要走「先移除再安装」：
请更新按住说话插件：使用 plugin_manager，先以 action: remove_bundle、
target: @jryang1997/dsh-hold-to-dictate 移除旧安装，再以 action: install_bundle、
target: github:jryang1997/dsh-hold-to-dictate 安装，并提示我刷新页面。
保留官方语音输入模块。
装完刷新页面。本机设置会保留。
如果仍安装的是 v1.x 的旧包 @jryang1997/dsh-composer-dictation，先移除它再装上面的新包，避免同时启用两份插件。只需卸载时，移除 @jryang1997/dsh-hold-to-dictate 即可。
需要知道
识别使用 Harness 当前选择的语音服务。官方默认是本地 SenseVoice，音频不出这台电脑；如果你配置了云端服务，录音会发给该服务。
社区插件，与 DeepSeek 无隶属关系。已在 DeepSeek Harness 0.2.0-rc.2 上测试。
版本记录 · 开发说明 · 实现笔记 · 反馈问题 · MIT
