dsh-web-voice-input
DeepSeek Harness (DSH) Web GUI 的语音输入：聊天编辑器中的麦克风按钮可录制音频，并通过兼容 OpenAI 的 Whisper API（Groq / OpenAI / SiliconFlow）进行转录，然后将识别出的文本插入输入框。
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add dsh-web-voice-input@0.2.0
Web Voice Input 以 dsh-web-voice-input 发布，当前版本为 0.2.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
DeepSeek Harness（DSH）Web 界面的语音输入插件：聊天输入框左侧出现一个麦克风按钮， 点击开始录音、再次点击停止，语音经 Whisper 类 ASR 接口识别后自动填入输入框 （已有文字则追加）。零运行时依赖、免构建、热插拔，一行命令安装。
主要面向国内用户：默认使用硅基流动（SenseVoice 系列，中文识别准确、国内直连、 有免费额度），首次点击麦克风会弹出设置窗口，粘贴 API Key 即可使用，全程无需编辑任何配置文件。
English summary: a microphone button in the DSH Web chat composer that records, transcribes via an OpenAI-compatible Whisper-class ASR API (SiliconFlow by default), and inserts the text into the input box. First-run setup happens in a browser dialog — no YAML editing. See English below.
direct: true 浏览器直连（走系统代理）；direct: false（默认）本机宿主转发，
Key 不进浏览器~/.dsh/dsh-web-voice-input.json（0600 权限），
绝不进插件代码和客户端 bundledsh plugin --profile web add dsh-web-voice-input
重启 dsh web，聊天输入框左侧出现麦克风按钮。
FunAudioLLM/SenseVoiceSmall 与 TeleAI/TeleSpeechASR 都是免费模型，中文效果好）没有 Key 时的点击行为就是弹窗；有 Key 后点击直接开始录音。
优先级：设置弹窗保存的值（~/.dsh/dsh-web-voice-input.json）＞
profile 配置（~/.dsh/profiles/web/cordis.patch.yml 的 voice-input 行）＞
环境变量 ＞ 默认值。修改后立即生效，无需重启。
高级用户也可以直接在 cordis.patch.yml 里配置：
- id: voice-input
config:
provider: siliconflow # siliconflow（默认）| groq | openai | dashscope
apiKey: sk-xxxx # 也可用环境变量 SILICONFLOW_API_KEY / GROQ_API_KEY 等
model: FunAudioLLM/SenseVoiceSmall
language: zh # 留空 = 自动检测
direct: false # false = 宿主转发（Key 不进浏览器）
maxDurationSec: 60 # 单次录音上限（5~300 秒）
autoSend: false # true = 转写完成后自动发送
| 配置项 | 默认 | 说明 |
|---|---|---|
provider | siliconflow | siliconflow / groq / openai / dashscope，均为 OpenAI 兼容 /audio/transcriptions |
apiKey | 环境变量 | API key（弹窗保存的值优先级最高） |
baseUrl | 服务商默认 | 任意 OpenAI 兼容端点 |
model | 服务商默认 | 转写模型 |
language | '' 自动检测 | 可固定为 zh / en 等 |
direct | false | true = 浏览器直连（走系统代理）；false = 宿主转发 |
maxDurationSec | 60 | 单次录音上限，自动停止 |
autoSend | false | 转写完成后自动发送消息 |
enabled | true | false 关闭插件 |
mock | — | 测试用：非空字符串直接返回，不调上游 |
provider | 默认模型 | 其他可选 | 国内直连 |
|---|---|---|---|
siliconflow | FunAudioLLM/SenseVoiceSmall | TeleAI/TeleSpeechASR 等 | ✅ |
dashscope | qwen-audio-asr | qwen-audio-asr-latest、qwen-audio-3-0-asr-flash | ✅ |
groq | whisper-large-v3-turbo | whisper-large-v3 | ❌ 需代理 |
openai | whisper-1 | — | ❌ 需代理 |
完全本地免费方案（不联网、零费用、隐私最好）：
- id: voice-input
config:
baseUrl: http://127.0.0.1:8080/v1/audio/transcriptions # whisper.cpp / LocalAI / vLLM
model: whisper-large-v3-turbo
apiKey: local # 本地服务忽略
讯飞、腾讯云、百度、火山引擎、MiniMax 等为私有协议，需要单独适配（见 Roadmap）。
Groq 返回 403 Forbidden（key 本身有效）？
Groq 音频模型按账号地区/权限开放。去 Groq 控制台 检查，
或直接换回 siliconflow（默认，国内直连）。
需要代理？
用 direct: true（设置弹窗里勾选「浏览器直连」），请求从浏览器发出，自动走系统代理。
Key 会泄漏吗？
direct: false（默认）时 Key 只在宿主进程内使用，绝不进浏览器；direct: true 时 Key 经本机
回环接口交给浏览器完成请求。两条路由都只接受本机回环访问，LAN 暴露部署也不会泄漏。
音频去哪了？ 浏览器 → 本机 dsh 宿主（同源）→ 所配置的 ASR 服务商；插件不存储音频。
见 CONTRIBUTING.md。离线端到端测试在独立端口启动临时实例， 驱动无头 Chrome + 假麦克风验证完整链路：
# 录音 → 转写 → 文字入框（mock 模式）
dsh web --patch test/mock.patch.yml --port 3099 &
node test/cdp-test.cjs
# 首次使用弹窗流程（无 Key → 弹窗 → 保存 → 落盘）
dsh web --patch test/popup.patch.yml --port 3099 &
node test/popup-test.cjs
# 浏览器直连模式（对本地 CORS stub）
node test/stub-provider.cjs &
dsh web --patch test/direct.patch.yml --port 3099 &
EXPECTED_TEXT='直连模式端到端测试成功' node test/cdp-test.cjs
dsh-web-voice-input is a voice input plugin for the DeepSeek Harness (DSH) Web GUI: a microphone button in the chat composer. Click to record, click again to stop; the audio is transcribed by an OpenAI-compatible Whisper-class ASR API and the text lands in the input box. SiliconFlow is the default provider (great Chinese accuracy, free tier, no proxy needed in mainland China).
dsh plugin --profile web add dsh-web-voice-input
First use: click the microphone → the setup dialog appears → paste an API key
(e.g. from cloud.siliconflow.cn) → save. The key is
validated on save and stored in ~/.dsh/dsh-web-voice-input.json; no YAML editing needed.
Advanced options (provider, model, language, direct/host-proxy mode, max duration,
auto-send) are available in the same dialog or via the profile config layer.
See the Chinese sections above for the full configuration reference, provider table,
FAQ, and the offline E2E test suite.