dsh-speech-input

August 29, 2026 · View on GitHub

CI npm license

中文 | English

中文

dsh-speech-input 为 DeepSeek Harness Web 输入框增加一个原生麦克风按钮。点击开始听写，识别结果实时写入当前草稿；再次点击停止并补全句末标点。插件不会自动发送消息。 image image

特性

  • 使用官方 conversation.input.right 插槽，不查询或改写 Harness DOM
  • 支持 Chrome / Edge 的 Web Speech API，中英文跟随浏览器语言
  • 中间识别结果原位更新，不会反复叠加同一句话
  • 听写期间在识别文字后手工补写的内容会保留
  • 无语音、停顿或浏览器结束单次识别时会持续自动续听；持续 5 秒没有检测到说话会自动停止（断开）并保留已听写文字。时长可在 src/client/index.js 的 DEFAULT_SILENCE_TIMEOUT_MS 调整，设为 0 可关闭自动停止
  • 听写中按 Enter 立即停止并保留已听写文字（补好句末标点），再按一次 Enter 即可发送
  • 听写中显示"椭圆胶囊"：左侧圆环取消 ×｜实时音量条｜右侧五根音量条（从左到右依次呼吸动效）停止，采用 Codex 风格，不使用红色录音状态
  • 听写下整个胶囊与左侧 +、权限图标保持在同一行，不会挤成多行
  • 音量条通过 Web Audio API 在本地计算麦克风 RMS 音量，展示最近 16 个真实音量样本，不使用循环假动画
  • 听写期间 Harness 的发送按钮和 Enter 发送会由官方接口置灰禁用；停止或取消后恢复
  • 点击取消会移除本轮语音产生的全部文字，并保留开始听写前的草稿与可识别的手工追加内容
  • 权限、麦克风或网络硬错误会给出明确提示
  • 页面切换或插件卸载时中止识别并释放麦克风
  • 支持键盘焦点、屏幕阅读器状态播报和减少动态效果偏好
  • 纯浏览器插件，不需要额外 API key、服务端或模型下载

更新日志

  • v0.2.3（2026-08-29）：听写中按 Enter 立即停止录音并保留草稿（补标点），任意位置生效；停止键五根音量条改为"从中心向上下对称放大"的依次呼吸动效，不再缩小/截断。
  • v0.2.2（2026-08-29）：听写胶囊加长、波形铺满左右，且整行保持一行不挤占左侧 +/权限图标；停止圆环改细改淡与取消键一致。
  • v0.2.1（2026-08-29）：静音自动停止默认改为 5 秒；听写胶囊重做——椭圆描边+阴影、端头曲率与圆形按钮一致、线条加粗更清晰；停止按钮改为"五根音量条"图标；取消与停止改为对称描边圆钮。
  • v0.2.0（2026-08-27）：新增静音自动停止——持续不说话会自动结束并保留已听写文字，只按真实语音（文本变化或本地麦克风音量）续时。

完整历史见 CHANGELOG.md。

安装

直接从 GitHub 安装到 Harness Web profile：

dsh plugin --profile web add github:liznee/dsh-speech-input

仓库已提交预构建的 lib/，Git 安装不会执行构建脚本，也不需要在 pnpm-workspace.yaml 中授权 allowBuilds。安装或升级后重启 dsh web。

已发布到 npm，也可以直接安装：

dsh plugin --profile web add dsh-speech-input

本地 tarball：

npm ci
npm test
npm pack
dsh plugin --profile web add ./dsh-speech-input-0.2.1.tgz

隐私

插件本身不保存音频、不写日志，也不把音频发送给 Harness 或 DeepSeek。为了显示真实音量，插件会额外打开一条本地麦克风流，只连接到 Web Audio AnalyserNode 计算 RMS；不会播放、录制或上传该流，停止或取消时会立即关闭音轨。Web Speech API 的识别处理路径仍由浏览器决定：Edge/Chrome 通常会把识别音频交给浏览器厂商的在线语音服务。因此它不是离线识别；若不能接受该数据路径，请不要授权麦克风。

已知限制

  • Firefox 当前没有可用的 Web Speech SpeechRecognition 实现，按钮会禁用。
  • 识别质量、语言支持和服务可用性取决于浏览器及网络。
  • 浏览器语言就是识别语言；首个版本没有独立语言设置。
  • 插件只写草稿，绝不自动发送。

Model Experience

识别文字只通过 Harness 的公开 inputActions.setDraft() 写入普通草稿。模型看不到音频、识别状态或任何额外系统提示；只有用户最终发送的文字会进入模型上下文。

English

dsh-speech-input adds a native microphone control to the DeepSeek Harness Web composer. Click once to dictate into the current draft and again to stop. It never submits the message automatically.

It uses the public conversation.input.right, inputActions.setDraft(), and composer-block APIs. While listening it shows a gray circular cancel control, a full-width 24-segment meter driven by locally measured microphone RMS, and a square stop control; the host send action is disabled. Cancel removes the current dictation while preserving the pre-existing draft and recognizable manual suffix edits. It also supports interim-result replacement, reports permission and network failures, releases recognition and local metering tracks on teardown, and includes reduced-motion and screen-reader behavior. After 5 seconds without detected speech it auto-stops (like a manual stop, keeping the dictation and showing a brief notice); tune DEFAULT_SILENCE_TIMEOUT_MS in src/client/index.js, or set it to 0 to disable auto-stop.

Install directly from GitHub:

dsh plugin --profile web add github:liznee/dsh-speech-input

Prebuilt lib/ artifacts are committed, so Git installation does not execute a build script or require a pnpm allowBuilds grant. Restart dsh web after installing or updating.

Published on npm; install directly with:

dsh plugin --profile web add dsh-speech-input

The plugin uses the browser Web Speech API. Edge and Chrome commonly send microphone audio to the browser vendor's online speech service. The plugin does not store audio or send it to Harness/DeepSeek, but it is not an offline recognizer. Press Enter while listening to stop immediately and keep the dictation; press Enter again to send.

Changelog

See CHANGELOG.md for the full history. v0.2.1 reworked the listening pill (oval ring + shadow, end-cap curvature matching the circular buttons, thicker strokes, a five-bar volume stop icon, symmetric outlined cancel/stop buttons), removed the waveform baseline, and lowered the default silence timeout to 5 seconds; v0.2.0 introduced auto-stop on silence.

Development

npm ci
npm test
npm run test:coverage
npm run pack:check

Node.js 20 or newer is required for development. The built client is emitted in Harness's lazy CommonJS module-factory format.

License

MIT. See LICENSE and NOTICE.