dsh-wetype-voice
在 DeepSeek Harness 中使用微信输入法（WeType）听写功能，替代内置的本地语音识别
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:shimiei/dsh-wetype-voice#56ad0d7f3d8f6f644160e1b35635d1eedea4fbe8Wetype Voice 以 dsh-wetype-voice 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。
把 DeepSeek Harness 输入框上的麦克风，换成微信输入法的语音输入。
不用内置的那套本地小模型 —— 内置的识别不准：长句掉字、口音认错、专有名词写歪、标点靠猜。 换成微信输入法的听写后，点一下就开始说，文字直接落进输入框。
dsh-wetype-voice banner要解决的问题本地识别太不准确了。
DSH 内置的语音输入把这件事交给一个跑在本机的小模型：
MediaRecorder 录音 → 上传 Host → sherpa-onnx + SenseVoice int8 本地识别 → 插入草稿
本地小模型不用联网，代价体现在准确率上：长句会掉字，带口音会认错，人名、产品名、专业术语经常写歪，标点要么不出现、要么位置奇怪。一句话得重说两三遍，比手打还慢 —— 这才是真正让人放弃语音输入的原因。
微信输入法的听写走云端，识别质量是另一个量级，而它本来就在这台机器上常驻。本插件要做的只是把 DSH 的麦克风接到它身上。
| 内置语音输入 | 本插件 | |
|---|---|---|
| 识别准确率 | 本地 SenseVoice int8，长句 / 口音 / 术语吃力 | 微信输入法云端识别，明显更准 |
| 标点与断句 | 基本没有，或位置很怪 | 自动加标点，口语也能整理成句 |
| 中英混说 | 容易串 | 好得多 |
| 说错要重来 | 常见 | 少 |
| 音频去哪 | 本机 | 微信输入法（DSH 不接触音频） |
| 额外占用 | ~240MB 模型 + 每次加载 | 无 |
少加载一个 240MB 模型只是顺带的副产品，不是这个插件的目的。
配套实现细节：
| 环节 | 做法 |
|---|---|
| 为什么只能合成按键 | 微信输入法没有对外 ASR 接口；设置存在云端 + 加密本地缓存（MMKV / MM_WETYPE.mmap3 / DPAPI index.json.enc），语音触发走低级键盘钩子 / RawInput，RegisterHotKey、PostMessage(WM_HOTKEY) 都不参与 |
| 按键怎么发 | SendInput + KEYEVENTF_SCANCODE（只发扫描码，不发 VK）；右 Alt 必须用扩展扫描码 E0-38（KEYEVENTF_EXTENDEDKEY），否则会被当成左 Alt |
| 顺序 | 修饰键↓ → 主键↓ → 主键↑ → 修饰键↑，SendInput 返回 4/4 才算成功 |
| 为什么是“暖”进程 | 常驻一个 pwsh 子进程走 stdio 行协议，暖机后单次往返 ~1ms（冷启 1.3s） |
| 焦点 | 按钮 onMouseDown 里 preventDefault()，并对 [data-lexical-editor="true"] 兜底 focus —— 微信输入法要往“有焦点的控件”里写字 |
| 前台守卫 | 发键前比对前台窗口进程名，默认只允许宿主自身，避免把语音快捷键打进别的程序 |
| 听写状态 | 微信输入法语音窗 wetype.flutter.setting + 标题 语音输入，用 IsWindowVisible 判断，驱动按钮的“正在听” |
git clone https://github.com/shimiei/dsh-wetype-voice.git
cd dsh-wetype-voice
.\install.ps1 # 自动选择 desktop profile
.\install.ps1 -Profile all # 所有带 package.json 的 profile
.\install.ps1 -Uninstall # 卸载，内置语音输入原样回来
脚本会：备份 package.json（*.bak-wetype-<时间戳>）→ 拷插件到 plugins\ 与 node_modules\ → 注册 dependencies 与 dsh.profile.bundles → 自检注册结果。
~/.dsh/profiles/<profile>/plugins/dsh-wetype-voice，再拷一份到 ~/.dsh/profiles/<profile>/node_modules/dsh-wetype-voice；~/.dsh/profiles/<profile>/package.json：{
"dependencies": { "dsh-wetype-voice": "file:./plugins/dsh-wetype-voice" },
"dsh": { "profile": { "bundles": [/* … */ "dsh-wetype-voice"] } }
}
侧栏 → 插件 → 已安装 → dsh-wetype-voice → 该行的「配置」
| 字段 | 说明 |
|---|---|
| 语音快捷键 | 要和微信输入法「启动语音输入」完全一致。点 录入 直接按组合键抓取（靠 event.location 分辨左右修饰键），或点 自动探测快捷键 让插件自己试 |
| 注入方式 | scan（默认，扫描码）/ vk（虚拟键码）/ both |
| 前台守卫 | auto（只在本应用前台时发键）/ list（只允许列出的进程）/ any |
| 允许的进程 | guard = list 时生效，逗号分隔，如 chrome.exe, msedge.exe |
| 预热延时 | 发键前等多久，默认 60ms |
| 试一次 | 立刻按一次当前快捷键，验证绑定对不对 |
| 恢复默认 | 回到 ralt+space / scan / auto / 60 |
保存后立即生效（写在 $DSH_HOME/wetype-voice.json，每次请求现读），不用重启。
// $DSH_HOME/wetype-voice.json
{
"hotkey": "ralt+space",
"injectMode": "scan",
"guard": "auto",
"allowProcesses": [],
"leadMs": 60
}
页面内部用 POST /wetype/api（仅回环地址或同源请求，其余 403）：
| op | 作用 |
|---|---|
status | 当前配置、微信输入法版本、上一次触发结果、触发次数 |
trigger / start / stop | 按一次快捷键（微信输入法里它是开关式） |
state | 语音窗是否可见 → listening |
detect | 逐个试候选快捷键；persist: true 把命中的写进配置 |
save | 批量保存 hotkey / injectMode / guard / allowProcesses / leadMs（先全量校验再落盘） |
setHotkey / setGuard | 单项快捷设置 |
probe | 探测微信输入法安装位置与版本 |
ping | 注入器往返，返回 READY|1 |
Invoke-RestMethod -Method Post -Uri http://127.0.0.1:<port>/wetype/api `
-ContentType 'application/json' -Body '{"op":"status"}'
修饰键+修饰键+…+主键
ctrl / lctrl / rctrl、alt / lalt / ralt、shift / lshift / rshift、win / lwin / rwina-z、0-9、space、enter、esc、tab、backspace、f1-f12、` - = [ ] \ ; ' , . /、left/right/up/down、insert/delete/home/end没有硬编码路径：profile 从 $DSH_HOME 推、脚本从 import.meta.url 推、守卫比对的目标进程名从 process.execPath 推。满足三条即可：
SendInput / P/Invoke）；%ProgramFiles%、%ProgramFiles(x86)%、%ProgramW6432%、%LOCALAPPDATA%）；hotkey 与该机器微信输入法的绑定一致 —— 唯一需要确认的一项，用「录入」或「自动探测」解决。detect 的候选顺序：
ralt+space → rctrl+space → lalt+space → ctrl+space → ctrl+alt+space
→ rctrl+ralt+space → lctrl+space → shift+space → lalt+shift → ralt+shift
探测前请把语音窗关掉、让 DSH 保持前台；遇到守卫拒绝会立即停止，不会在别的程序里乱按键。
兼容性：注入器优先 pwsh，没有就退到 Windows PowerShell 5.1；install.ps1 与 injector.ps1 存成 UTF-8 with BOM，否则 5.1 会把中文（语音窗标题匹配要用）读成乱码。
status.lastResult 的三种典型值：
| 值 | 含义 | 处理 |
|---|---|---|
OK|ralt+space | 键已发出 | 微信输入法没反应，多半是 hotkey 与它的绑定不一致 |
SKIP|foreground is 'X.exe', expected 'DeepSeek Harness.exe' | 前台守卫拦下 | 先把 DSH 切到前台；或改 guard: list 并把该进程加进白名单 |
ERR|… | 注入器或键名问题 | unknown key 'x' = 键表不支持；SendInput sent 0/4 = 会话/权限异常 |
其他常见情况：
{"op":"status"} 看 weType.installed 与 lastResult；cordis.patch.yml 关掉内置语音输入四项 + 插入本插件
lib/index.js Host：POST /wetype/api，op 分发，配置读写与校验
lib/injector.js 常驻 PowerShell 子进程句柄（自动重启、行协议）
lib/injector.ps1 P/Invoke：SendInput / 扫描码表 / 前台守卫 / 语音窗探测
client.js 浏览器侧：输入框麦克风按钮 + 插件面板配置页
install.ps1 一键安装 / 卸载
assets/ banner、图标、架构图（SVG 源 + PNG）
detect 是试出来的，不在候选表里的绑定需要手动录入；cordis.patch.yml 里那些 disabled: true。