deepseekplugins

DeepSeek Harness plugin

dsh-doubao-voice

DSH WebUI 语音输入插件（火山引擎流式 ASR / 豆包 Seed ASR）：输入框麦克风按钮（Alt+V）→ 浏览器采集 16kHz PCM → 经宿主 WebSocket 中继到豆包流式识别 → 实时回填（跟随光标/Proma 式输出，失败兜底剪贴板）。协议实现源自 Proma 桌面端调研复刻。

Tools & Capabilities
Jump to install

Source facts

Repository
Vorpal-poem/dsh-doubao-voice
Latest update
Aug 16, 2026
Category
Tools & Capabilities
GitHub stars
0
Format
plugin
Catalog evidence
Upstream dsh.bundle evidence
Evidence path
package.json#dsh.bundle
Checked against
0.1.0-rc.8
Upstream check date
2026-08-20

This evidence comes from the upstream catalog. This site has not installed, run, or security-reviewed the plugin.

Install

Start with a prompt that asks an agent to review the GitHub repository and source. Switch to the command if you want to install it yourself.

Copy this prompt into DSH, Codex, or another agent and ask it to review the GitHub repository and source first.

Do not install or run any commands yet. Read this plugin's GitHub repository, README, and relevant source code. Then answer the questions below clearly and directly so I can decide whether it fits my needs:

1. What is this plugin, and what problem does it solve?
2. Who is it for, and what are its typical use cases?
3. How is it used after installation? Include one minimal example.
4. What known limitations or privacy, security, compatibility, or maintenance risks does it have?
5. Give a clear recommendation: recommend, conditionally recommend, or do not recommend, with reasons.

Distinguish statements documented by the repository, inferences from source code, and unknowns. If evidence is insufficient, say so explicitly. Do not guess or simply repeat the README.

GitHub: https://github.com/Vorpal-poem/dsh-doubao-voice
Plugin: dsh-doubao-voice
Author: Vorpal-poem

Check the source files

Read the README and other files from this plugin directory before installing.

File explorer3 files
README.mdSource · read only

dsh-doubao-voice 🎤

DeepSeek Harness 语音输入插件：接入火山引擎流式大模型语音识别（豆包 Seed ASR / sauc），浏览器采集麦克风 → 经宿主 WebSocket 中继到豆包 → 识别结果流式回填输入框。

Voice input plugin for DeepSeek Harness powered by Volcengine streaming ASR (Doubao Seed ASR).

功能 / Features

  • 输入框左侧麦克风按钮 + 全局快捷键（默认 Alt+V）
  • 四态指示：正在准备中（转圈）/ 正在听写（音量动态条）/ 收尾中（转圈）
  • 真流式：16kHz/16bit/单声道 PCM 按 200ms 分块上行，识别文本边说边上屏
  • 识别结果不自动发送，可编辑确认；取消录音自动回滚
  • 中途修正原位替换、多停顿长录音不堆叠（LCP 合并算法，含确定性测试）
  • 设置页管理凭据/热词/语言/快捷键/最长录音时长（默认 300s）
  • 输出方式：跟随光标（默认）——写入唤起时焦点所在的可编辑元素，输入框走官方 API；

无焦点/不可写时写入输入框；自动写入失败兜底复制到剪贴板并提示

  • 凭据存 ~/.dsh/dsh-doubao-voice.json（ACL 收紧到当前用户，仅本机可读）

安装 / Install

dsh plugin --profile web add dsh-doubao-voice
# 或本地打包：
dsh plugin --profile web add file:./dsh-doubao-voice-0.2.0.tgz

安装后重启 dsh web，刷新页面。

配置 / Configuration

设置 → 语音输入（豆包）：

  • App ID / Access Token：火山引擎控制台 → 智能语音 → 流式大模型语音识别

（兼容旧版控制台鉴权：X-Api-App-Key / X-Api-Access-Key）

  • Resource ID：默认 volc.seedasr.sauc.duration（豆包流式语音识别模型 2.0 小时版）
  • 热词：逗号/分号分隔，最多 100 个
  • 语言：zh-CN / en-US / ja-JP 等（BCP-47）

也可用环境变量（优先级高于文件）：

$env:ARK_APP_ID="你的AppID"
$env:ARK_ACCESS_TOKEN="你的Token"
$env:ARK_RESOURCE_ID="volc.seedasr.sauc.duration"
$env:ARK_LANGUAGE="zh-CN"
$env:ARK_HOTWORDS="芯片,Buck电路"

架构 / Architecture

浏览器 (lib/client.js)                宿主 (lib/index.js)                 火山引擎
麦克风 → 16kHz PCM ──WS 二进制──► registerUpgrade 中继 ──sauc 协议──► 豆包流式 ASR
   ▲   ◄── transcript 流 ──JSON──◄   DoubaoAsrClient   ◄────────────┘
   流式回填输入框（基线 + 累计文本，幂等写入）
  • 上行：二进制 = 200ms PCM 块（6400B）；文本 {"type":"end"|"cancel"}
  • 下行：{"type":"ready"|"transcript",text,isFinal|"error",message|"done",text}
  • 认证走 WebSocket 请求头（Node 原生 WebSocket 不支持自定义头，宿主侧使用 ws 库）

测试 / Tests

node test/merge-test.mjs          # 合并算法确定性测试（8 场景：真实序列/中途修订/VAD 分句/增量交替）
node test/writer-guard-test.mjs   # 写入保险（发送后迟到写入拦截）
node test/relay-test.mjs          # mock 豆包全链路中继自测（无需真实凭据）

致谢 / Credits

  • 协议层实现基于 Proma 桌面端 doubao-asr-service.ts 的调研复刻（二进制帧协议、参数与解析逻辑）
  • 接口参数与响应字段对照 火山引擎官方文档（单向/双向流式语音识别 WebSocket）实测校准
  • 运行依赖：ws（WebSocket）

免责声明 / Disclaimer

  • 社区项目，非 DeepSeek 官方出品，与 DeepSeek / 火山引擎均无隶属关系
  • 使用火山引擎服务需遵守其服务条款；Access Token 请妥善保管
  • 收录于 awesome-dsh-plugin 不构成安全背书

License

MIT © Vorpal-poem

Back to searchOpen GitHub repository

More related plugins

View category