anweat/dsh-voice-webspeech

dsh-voice-webspeech

DSH Web GUI 的纯浏览器语音输入插件：零服务端、零 API Key、零模型下载、零 Python。 按住输入框旁的麦克风按钮说话，松手即把语音转成文字——转写完全由浏览器内置语音识别 （Web Speech API）完成：

与社区里 dsh-voice-funasr 的差异：后者以本地 FunASR 引擎为主（需安装 Python + 下载 ~520MB 模型），浏览器识别只是回退路径。本插件只做”浏览器内置识别”这一件事， 安装即用，适合不想要本地引擎开销的用户。

特性

• 按住说话 / 松手转文字：按住麦克风按钮开始聆听，松手停止；期间连续短句自动累积。
• 实时反馈：聆听时按钮上方悬浮显示”正在聆听… + 实时识别文字”（可关闭）。
• 两种落字方式（设置里切换）：
  • 默认”转进输入框”：识别结果写入 composer，可编辑后再发送；支持追加到已有文字。
  • “松手自动发送”：识别完成直接发送（免提）。
• 多语言：中文普通话/粤语/繁体、英/日/韩/法/德/西/俄等（BCP-47）。
• 隐私：音频直接交给浏览器语音服务，不经过任何 DSH 服务端、不落盘。

兼容性

• DSH：>=0.1.0-rc.3 <0.2.0（Profile Bundle + 嵌套 dsh.client 契约）
• Node.js：^22.19.0 || >=24.0.0
• 浏览器：需 Edge 或 Chrome（Web Speech API）；Firefox/Safari 不支持
• 麦克风：浏览器需获得麦克风权限（首次使用会在地址栏请求授权）

安装

插件为 out-of-tree client bundle（dsh.client + dsh.bundle.patch）。 仓库已提交构建产物 lib/，git 安装无需再 build。

方式 A：从 GitHub 安装（推荐）

pnpm dsh plugin --profile web add github:anweat/dsh-voice-webspeech

若 pnpm ≥10 提示需要 allowBuilds（因 prepare），把打印的包键写进 profile 的 pnpm-workspace.yaml 后重跑；本仓库已提交 lib/，通常不会触发。建议固定到提交： github:anweat/dsh-voice-webspeech#<sha>。

方式 B：本地 checkout 开发链接

cd D:/codeproject/dsh-voice-webspeech
pnpm dsh plugin --profile web add .

方式 C：打包 tgz 安装

cd D:/codeproject/dsh-voice-webspeech
pnpm run build
pnpm pack    # 产出 dsh-voice-webspeech-0.1.0.tgz
pnpm dsh plugin --profile web add ./dsh-voice-webspeech-0.1.0.tgz

激活：重启 dsh web（pnpm dsh web）。插件的 dsh.bundle.patch 会把它自动挂进 插件树，客户端 bundle 由 dsh.client 声明 + exports["./client"] 自动加载。 不要手工把本插件插进 profile 的 cordis.patch.yml，否则同一 loader id 会重复。

使用

• 输入框工具行左侧出现麦克风按钮：按住说话，松手转文字。
• 默认把文字写进输入框（追加到已有文字后）；可在 设置 → 语音输入（Web Speech） 改为 “松手自动发送”。
• 聆听时按钮变红并脉动；识别中的文字实时显示在按钮上方。

设置（设置 → 语音输入（Web Speech））

隐私与卸载

• 音频只交给浏览器语音服务（Edge=Azure、Chrome=Google），不经过 DSH 服务端、不落盘、无遥测。
• 卸载：pnpm dsh plugin --profile web remove dsh-voice-webspeech（或从 profile 依赖里删掉再 pnpm install）。

开发

pnpm install
pnpm run dev:link-dsh -- --source D:/codeproject/deepseek-harness   # 可选：从源码链接 @deepseek-ai 类型
pnpm run build
pnpm run typecheck

• host 半：src/index.ts（空 apply，仅让插件出现在宿主插件树）
• 客户端：src/client/（tsdown → lib/client.js，__ModuleLoader__ 注册）
• 识别：src/client/webspeech.ts（Web Speech API 封装：continuous + interim + abort）
• @deepseek-ai/* 是 peer 依赖（optional），构建时外部化，运行时由 DSH 提供。

路线图

• v0.1：按住说话 + 连续听写 + 追加/自动发送 + 多语言 + 实时反馈 ✅
• 后续：本地 ASR 可选后端（SenseVoice/Whisper）；TTS 语音朗读回复；快捷键按住