---

संगतता

सतह	स्थिति
Harness	DeepSeek Harness dsh-v0.1.3-alpha.1 (GitHub tag, 2026-09-06 को सत्यापित: पूर्ण gate chain + profile install smoke)। npm निर्भरता लाइन 0.1.2-rc.1, peers >=0.1.2-rc.1 <0.2.0।
Node	^22.19.0 || >=24.0.0
ब्राउज़र	Web Speech + MediaRecorder (Chrome/Edge में सर्वश्रेष्ठ); बाकी के लिए host के ट्रांसक्रिप्शन/TTS इंजन

आपको क्या मिलता है

dsh-talk वॉइस लूप को दोनों दिशाओं में बंद करता है:

• speak टूल — एजेंट अपने उत्तर ज़ोर से पढ़ता है। TTS इंजन: ब्राउज़र वॉइस, edge-tts (नेटवर्क न्यूरल वॉइस) या piper (स्थानीय)। ऑडियो ब्राउज़र में बजता है; जो host इसे वहन कर सकते हैं वहाँ सत्र लॉग सैनिटाइज़ की गई बात दर्ज करता है (सुरक्षा सीमाएँ देखें)।
• कंपोज़र माइक बटन — दबाएँ, बोलें और ट्रांसक्रिप्शन इनपुट बॉक्स में भर जाता है (या सीधे सबमिट होता है)। STT इंजन: ब्राउज़र का Web Speech (अंतरिम परिणामों सहित), FunASR HTTP सर्वर या स्थानीय whisper.cpp।
• बोलते ही रुकावट — बोलना शुरू करते ही चल रहा प्लेबैक रुक जाता है (client→host, talk Remote नेमस्पेस पर)।
• इवेंट घोषणाएँ — टर्न पूरा होना, लंबित स्वीकृतियाँ (waterfall-सुरक्षित: गेट कभी ब्लॉक नहीं करता) और त्रुटियाँ, म्यूट स्विच व कॉन्फ़िगर करने योग्य वाक्यों सहित।
• सेटिंग्स टैब — इंजन/भाषा चयन और घोषणा स्विच, append-only प्रोफ़ाइल-पैच ऑपरेशन के रूप में सहेजे जाते हैं (बैकअप सहित)।

त्वरित शुरुआत

# 1. बंडल को अपने प्रोफ़ाइल में इंस्टॉल करें
dsh plugin --profile web add "github:PerryLink/dsh-talk#main"

# या npm से (प्रकाशित रिलीज़)
dsh plugin --profile web add dsh-talk

# 2. पुनः आरंभ करें और पंक्ति सत्यापित करें
dsh --profile web --dump-config | grep -A2 'id: talk'

फिर कंपोज़र के पास माइक दबाएँ और बोलें; या एजेंट से बोलने को कहें:

> speak टूल से "नमस्ते" कहो।

इंस्टॉल और अनइंस्टॉल

• git चैनल (नवीनतम main): dsh plugin --profile web add "github:PerryLink/dsh-talk#main" — prepare स्क्रिप्ट केवल प्रोडक्शन निर्भरताओं से बिल्ड करती है।
• npm चैनल (प्रकाशित रिलीज़): dsh plugin --profile web add dsh-talk।
• tarball चैनल: इस रेपो में pnpm pack, फिर dsh plugin --profile web add ./dsh-talk-<version>.tgz।
• अनइंस्टॉल: dsh plugin --profile web remove dsh-talk (या प्रोफ़ाइल पैच से पंक्ति हटाएँ)।

यदि pnpm इस पैकेज के लिए ERR_PNPM_IGNORED_BUILDS दिखाता है (esbuild का हानिरहित प्लेटफ़ॉर्म-बाइनरी सत्यापन), तो अपने pnpm-workspace.yaml में allowBuilds: { esbuild: true } जोड़ें — dsh CLI सटीक स्निपेट प्रिंट करता है।

कॉन्फ़िगरेशन

सभी समायोजन Schemastery Config फ़ील्ड हैं (cordis.yml से बदले जा सकते हैं)। cordis.patch.yml हर कुंजी को इनलाइन समझाता है।

कुंजी	डिफ़ॉल्ट	अर्थ
record.enabled	true	कंपोज़र माइक बटन दिखाएँ
record.hotkey	(कोई नहीं)	वैकल्पिक टॉगल हॉटकी, जैसे "alt+r"
record.maxSeconds	60	रिकॉर्डिंग सीमा सेकंड में (1..600)
record.autoSubmit	false	ट्रांसक्रिप्शन को उपयोगकर्ता संदेश के रूप में सबमिट करें (false = ड्राफ्ट भरें)
record.vad.enabled / silenceMs / energyThreshold	true / 1500 / 0.01	ध्वनि-गतिविधि पहचान: मौन रिकॉर्डिंग स्वतः समाप्त करता है (AudioContext अनुपस्थित होने पर मैनुअल स्टॉप)
stt.engine	auto	auto / web / funasr / whisper; auto पहले कॉन्फ़िगर किया स्थानीय इंजन, फिर Web Speech
stt.language	auto	BCP-47 भाषा या auto
stt.interim	true	अंतरिम ट्रांसक्रिप्शन दिखाएँ (Web Speech)
stt.silenceFinaliseMs	4000	इतनी मिलीसेकंड तक आवाज़ न आने पर लगातार Web Speech रोकें (500..15000)
stt.funasr.url	(कोई नहीं)	FunASR इन्फ़रेंस एंडपॉइंट; funasr इंजन के लिए आवश्यक
stt.whisper.modelPath	(कोई नहीं)	whisper.cpp मॉडल; whisper इंजन के लिए आवश्यक
tts.engine	auto	auto / browser / edge-tts / piper; auto पहले piper, फिर edge-tts, फिर ब्राउज़र वॉइस
tts.rate	0	edge-tts/piper के लिए गति ऑफ़सेट प्रतिशत में (-50..50)
tts.fallbackToBrowser	true	स्थानीय इंजन विफल होने पर ब्राउज़र वॉइस पर गिरें
tts.browser.voiceName	(कोई नहीं)	पसंदीदा ब्राउज़र वॉइस नाम; न मिलने पर प्लेटफ़ॉर्म डिफ़ॉल्ट उपयोग होता है
tts.browser.rate	1	ब्राउज़र SpeechSynthesis गति (0.1..10)
tts.browser.pitch	1	ब्राउज़र SpeechSynthesis पिच (0..2)
tts.piper.modelPath	(कोई नहीं)	piper वॉइस मॉडल; piper इंजन के लिए आवश्यक
announce.enabled	true	घोषणाओं का मास्टर स्विच
announce.onTurnEnd / onApproval / onError	true	कौन से इवेंट बोले जाएँ
announce.messages.*	"Turn complete." आदि	बोले जाने वाले वाक्य
interrupt	true	बोलते ही चलता प्लेबैक रुकता है
maxSpeakChars	20000	speak टूल के टेक्स्ट की सीमा (1..100000)
maxAudioCacheBytes	8388608	मेमोरी में सिंथेसाइज़्ड ऑडियो कैश सीमा (1 MiB..64 MiB)

stt.silenceFinaliseMs और record.vad.silenceMs अलग-अलग तंत्र हैं: पहला लगातार Web Speech पहचान में आवाज़ न मिलने पर ट्रांसक्रिप्ट को अंतिम रूप देता है; दूसरा MediaRecorder का ऊर्जा-आधारित डिटेक्टर है जो रिकॉर्डिंग समाप्त करता है (और record.autoSubmit चालू होने पर उसे भेज देता है)। दोनों अलग पाइपलाइनों में चलते हैं और कोई साझा स्थिति नहीं रखते।

टूल और सतहें

सतह	प्रकार	टिप्पणियाँ
speak	टूल	टेक्स्ट ज़ोर से बोलता है (browser/edge-tts/piper); प्रति-कॉल इंजन/वॉइस ओवरराइड; कैननिकल JSON परिणाम
माइक बटन	conversation.input.left स्लॉट	रिकॉर्ड → ट्रांसक्राइब → ड्राफ्ट भरें (या सबमिट); दबाते ही रुकावट
सेटिंग्स टैब	settings.plugins.tab (id talk)	इंजन/भाषा/घोषणा स्विच; append-only सहेज
talk:*	Typert Remote	status, audio, transcribe, applySettings, interrupt (host नेमस्पेस)

अनुमतियाँ और डेटा

• अनुमतियाँ: प्लगइन केवल बाइट-सीमित इन-मेमोरी ऑडियो कैश रखता है; माइक अनुमति ब्राउज़र-मध्यस्थ है। सेटिंग्स टैब केवल प्रोफ़ाइल में पैच खंड जोड़ता है (टाइमस्टैम्प बैकअप सहित) — फ़ाइल कभी दोबारा नहीं लिखता।
• डेटा: ऑडियो कभी मॉडल संदर्भ या सत्र लॉग में नहीं जाता। जहाँ host का सत्र शब्दावली इसे स्वीकार करता है, dsh-talk/speech इवेंट उच्चारण id, इंजन, कारण, आकार, सैनिटाइज़ टेक्स्ट और लागू होने पर ब्राउज़र वॉइस, गति और पिच रखता है; एनवलप-रहित host पर यह इवेंट लिखा ही नहीं जाता। हर डिस्प्ले/लॉग सतह क्रेडेंशियल, JWT, bearer हेडर और अस्थायी पथों को रिडैक्ट करती है।
• नेटवर्क: केवल आपके कॉन्फ़िगर किए इंजन से संपर्क होता है। edge-tts नेटवर्क सिंथेसिस करता है, FunASR अपने कॉन्फ़िगर किए एंडपॉइंट का उपयोग करता है, और Chrome का webkitSpeechRecognition ट्रांसक्रिप्शन के लिए माइक्रोफ़ोन ऑडियो Google के सर्वर पर भेजता है; ब्राउज़र का speechSynthesis playback स्थानीय रहता है।

सुरक्षा सीमाएँ

• मॉडल-दृश्य ⟺ लॉग्ड — मॉडल केवल speak टूल का कैननिकल मान और रेंडर टेक्स्ट देखता है। dsh-talk/speech इवेंट केवल तब जोड़ा जाता है जब host इसे वहन कर सके (होस्ट संगतता देखें); tool/call + tool/result इवेंट हमेशा पुनर्निर्माण योग्य निशान बने रहते हैं।
• स्वीकृति घोषणाएँ कभी ब्लॉक नहीं करतीं — approval/request लिसनर हमेशा next() बुलाता है।
• सैनिटाइज़्ड आउटपुट — क्रेडेंशियल और अस्थायी ऑडियो पथ लॉग या डिस्प्ले तक नहीं पहुँचते।
• होस्ट संगतता — dsh-talk/speech इवेंट एक अनुकूली गेट से जोड़ा जाता है। जिन host की ज्ञात-प्रकार शब्दावली इस इवेंट को कवर करती है वे इसे सीधे जोड़ते हैं; ignorable विकल्प वाले host इसे मार्कर सहित जोड़ते हैं; एनवलप-रहित host — 0.1.1-rc.2 तक की हर जारी लाइन, 0.1.2-alpha लाइन, और 0.1.2-rc.1 लाइन, जिसका Session.append ignorable मार्कर स्टैम्प नहीं कर सकता, हालाँकि एनवलप फ़ील्ड पठन संगतता के लिए रखा गया है — कोई append नहीं पाते, इसलिए उन लाइनों पर स्पीच कभी सत्र लॉग को दूषित नहीं कर सकती। वहाँ live playback इतिहास खाली रहता है और speak टूल के परिणाम ही पुनर्निर्माण योग्य निशान हैं।
• Fail loud — अमान्य इंजन, सीमा से बाहर मान और बिना आवश्यक मॉडल/एंडपॉइंट के इंजन माउंट पर असफल होते हैं।

ज्ञात सीमाएँ

• ब्राउज़र समर्थन: Web Speech और MediaRecorder क्षमता-पहचान से चलते हैं; बिना उनके बटन अक्षम हो जाता है और कॉन्फ़िगर होने पर host इंजन (FunASR/whisper.cpp) ट्रांसक्राइब कर सकते हैं।
• स्थानीय इंजन आपकी इंस्टॉल हैं: edge-tts, piper, whisper.cpp के निष्पादन और मॉडल अलग से इंस्टॉल करने होते हैं।
• रिकॉर्डिंग प्रारूप: ब्राउज़र अपने नेटिव MediaRecorder कोडेक से रिकॉर्ड करता है; whisper.cpp को WAV रिकॉर्डर या सर्वर-साइड रूपांतरण की आवश्यकता हो सकती है।
• सेटिंग्स रीलोड पर लागू होती हैं: टैब प्रोफ़ाइल पैच में जोड़ता है; प्रोफ़ाइल रीलोड (या वेब-ऐप पुनः आरंभ) बदलाव सक्रिय करता है।
• एनवलप-रहित host पर live playback इतिहास खाली रहता है: 0.1.1-rc.2, 0.1.2-alpha लाइन, और 0.1.2-rc.1 पर host की शब्दावली dsh-talk/speech को नहीं जानती, इसलिए गेट कुछ नहीं लिखता और क्लाइंट की सत्र-स्तरीय playback सूची खाली रहती है। स्पीच स्वयं, माइक, सेटिंग्स टैब और टूल अप्रभावित रहते हैं।
• dsh-talk ≤ 0.2.1 द्वारा लिखे पुराने लॉग को cold load से पहले मरम्मत की ज़रूरत हो सकती है: 0.2.1 तक के संस्करण बिना मार्कर वाले dsh-talk/speech events जोड़ते थे। 0.1.0-rc.7 या नए host पर, जिस session की log में ये पहले से हों उसका अगला cold load SessionFormatUnsupportedError के साथ विफल होता है। सुधार: host रोकें, session की .jsonl log का बैकअप लें, हर उस JSON पंक्ति में शीर्ष-स्तर सदस्य के रूप में "ignorable":true जोड़ें जिसका "type" "dsh-talk/speech" है (उदाहरण के लिए, शुरुआती { के ठीक बाद "ignorable":true, डालें), फिर session दोबारा खोलें। बाकी कुछ नहीं बदलता और कुछ भी खोता नहीं; इस संस्करण के नए append कभी बिना-मार्कर इवेंट नहीं जोड़ते।

विकास

pnpm install        # node ^22.19 || >=24
pnpm run typecheck  # tsc: src + tests स्थानीय हार्नेस चेकआउट के विरुद्ध
pnpm run typecheck:ci  # tsc प्रकाशित 0.1.2-rc.1 प्रकारों के विरुद्ध (बिना paths)
pnpm test           # vitest: 77 टेस्ट, 13 सुइट
pnpm run build      # tsc घोषणाएँ + tsdown बंडल (lib/)
pnpm run verify:self-contained  # निर्भरता स्पेक registry से हल होती हैं
pnpm run verify:artifacts       # निर्मित ESM फ़ेस + क्लाइंट ModuleLoader हैंडशेक
pnpm pack           # प्रकाशित tarball

Topics

dsh, dsh-plugin, deepseek-harness, deepseek, cordis, voice, speech, tts, stt, speech-to-text, text-to-speech, microphone

Contributors

• @PerryLink — निर्माता और मेंटेनर: वॉइस पाइपलाइन, स्पीच इंजन, माइक रिकॉर्डर, इवेंट घोषणाएँ, प्रोजेक्शन यूनिट और पाँच-भाषा दस्तावेज़।

PerryLink DSH Plugin Family

यह प्रोजेक्ट PerryLink द्वारा अनुरक्षित 37 DeepSeek Harness प्लगइनों में से एक है। अगर यह आपकी मदद करता है, तो बाकी भी करेंगे:

Plugin	One-liner
dsh-auto-review	अनुमोदन श्रृंखला पर द्वितीय-मॉडल स्वतः-समीक्षा, डिफ़ॉल्ट रूप से विफल-बंद
dsh-background-agents	वेब UI साइडबार, संदेश और अवरोधन के साथ टिकाऊ पृष्ठभूमि चाइल्ड एजेंट
dsh-budget	DeepSeek Harness के लिए लागत प्रशासन: बजट, कार्बन और विलंबता एक पैनल में।
dsh-checkpoint-rewind	Claude Code /rewind-समतुल्य: स्नैपशॉट, सत्र फ़ॉर्क, एक-बार पुनर्स्थापना
dsh-claude-move	Claude Code सत्र, मेमोरी, कौशल और CLAUDE.md को DSH में स्थानांतरित करें
dsh-click	DeepSeek Harness के लिए क्रॉस-प्लेटफ़ॉर्म नेटिव डेस्कटॉप नियंत्रण — Windows पहले।
dsh-composer-history	वेब कंपोज़र के लिए टर्मिनल-शैली इनपुट इतिहास: तीर, Ctrl+R खोज
dsh-data-quality	डेटासेट गुणवत्ता जाँच व उद्धरण सत्यापन (यहाँ उपभोग किया गया वैकल्पिक संख्या-सेतु)
dsh-defend	DeepSeek Harness के लिए प्रॉम्प्ट-इंजेक्शन, जेलब्रेक और सीक्रेट-लीक रक्षा।
dsh-doublecheck	इंजीनियरिंग-अनुशासन रक्षक: आवश्यकताओं की पूछताछ, परीक्षण द्वार, प्रतिद्वंद्वी समीक्षा
dsh-draw	DeepSeek Harness के लिए एकीकृत स्थैतिक-छवि निर्माण रूटिंग।
dsh-fast	DeepSeek Harness के लिए रीड-ओनली प्रदर्शन डायग्नोस्टिक्स।
dsh-fund-research	चीनी सार्वजनिक म्यूचुअल फंड के लिए नियतात्मक अनुसंधान रिपोर्ट
dsh-github	DSH के लिए GitHub PR/issues एकीकरण, हर लेखन अनुमोदन-द्वारित
dsh-industry-research	उद्योग-अनुसंधान ऑर्केस्ट्रेशन जो इस प्लगिन के ctx.researchReport.assemble से डिलीवरेबल सील करता है
dsh-library	DeepSeek Harness के लिए स्थानीय दस्तावेज़ ज्ञानकोश।
dsh-local-ai	DeepSeek Harness के लिए स्थानीय-मॉडल (Ollama) एकीकरण।
dsh-lsp-actions	भाषा सर्वरों पर LSP निदान, फ़ॉर्मेटिंग, पूर्णता, कोड क्रियाएँ और नाम बदलना
dsh-mask	PII मास्किंग मिडलवेयर: मॉडल सीमा पर अनाम करें, डिस्प्ले लेयर पर पुनर्स्थापित करें
dsh-mcp-panel	केवल-पढ़ने वाला MCP रनटाइम पैनल: /mcp कमांड + स्थिति, टूल और त्रुटियों वाला Settings टैब
dsh-memento	अनुमोदन-द्वारित क्रॉस-सत्र मेमोरी: ctx.memory सीम + SQLite + मेमोरी टूल
dsh-observe	DeepSeek Harness के लिए OpenTelemetry और Langfuse अवलोकनीयता निर्यातक।
dsh-output-styles	Claude Code outputStyles-समतुल्य रनटाइम शैली बदलाव
dsh-permission-rules	ऑडिट के साथ Claude Code-शैली घोषणात्मक allow/deny/ask अनुमति नियम
dsh-personal-directive	शीर्ष-बार टॉगल के साथ व्यक्तिगत निर्देश इंजेक्टर (फ्रेमवर्क संस्करण)
dsh-plugin-guide	माँग पर एजेंट कौशल के रूप में प्लगइन-विकास ज्ञान आधार
dsh-reach	मल्टी-चैनल अनुमोदन/प्रश्न ब्रिज: WeChat/Telegram/Feishu, सत्र कंसोल
dsh-research-report	सामग्री-पता साक्ष्य और सीलबंद संस्करणों वाला सत्यापन-योग्य अनुसंधान-रिपोर्ट इंजन
dsh-score	DeepSeek Harness प्लगिनों की बहु-आयामी गुणवत्ता स्कोरिंग।
dsh-session-pin	टिकाऊ क्रम के साथ वेब साइडबार में सत्र पिन करें
dsh-session-sync	DeepSeek Harness के लिए क्रॉस-डिवाइस सत्र सिंक — आपके सत्र स्टोर का एक समर्पित git मिरर।
dsh-skill-pack-security	सुरक्षा-ऑडिट कौशल पैक: गुप्त स्कैन, निर्भरता और आपूर्ति-श्रृंखला समीक्षा
dsh-test-drive	DeepSeek Harness प्लगिनों के लिए पृथक इंस्टॉल-एंड-स्मोक टेस्ट ड्राइव।
dsh-ticktick	TickTick/Dida365 कार्य ब्रिज: सत्र-हेडर पैनल + 11 टूल
dsh-translate	DeepSeek Harness के लिए वेंडर पैरामीटर अनुवाद और नियतात्मक JSON मरम्मत।
dsh-wechat	WeChat ↔ DSH ब्रिज (Tencent iLink bot): टेक्स्ट/इमेज/फ़ाइल/आवाज़, चैट में अनुमोदन

License

Apache License 2.0 © 2026 dsh-talk contributors

DSH Desktop मार्केट से इंस्टॉल करें

सभी PerryLink प्लगइन DSH Desktop के बिल्ट-इन मार्केट में देखे जा सकते हैं: Market → Sources → add source → पेस्ट करें https://perrylink-dsh-catalog.perrylink.workers.dev/catalog-source.json → चुनें। इंस्टॉलेशन मार्केट के npm-identity सत्यापन और आपकी पुष्टि से ही होता है।