deepseekplugins

DeepSeek Harness plugin

dsh-cyberdog-speech-sherpa

DeepSeek Harness 本地离线语音插件：STT 语音识别 + TTS 语音合成 + WebUI 按住说话（Sherpa-ONNX）

Tools & Capabilities
Jump to install

Source facts

Repository
wuxinzhe/dsh-cyberdog-speech-sherpa
Latest update
Aug 15, 2026
Category
Tools & Capabilities
GitHub stars
2
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/wuxinzhe/dsh-cyberdog-speech-sherpa
Plugin: dsh-cyberdog-speech-sherpa
Author: wuxinzhe

Check the source files

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

File explorer3 files
README.mdSource · read only

dsh-cyberdog-speech-sherpa

DeepSeek Harness（dsh）本地离线语音插件，基于 Sherpa-ONNX。

  • 全本地离线，不联网、不收费、CPU 可运行
  • STT：Zipformer 中文流式识别（stt_transcribe）
  • TTS：VITS 中文多音色（tts_speak）
  • WebUI 按住说话：聊天输入框工具行 🎤 按钮——按住录音、松开发送（最长 120 秒，带倒计时）

架构

dsh-speech-sherpa/
├── index.mjs            # host 插件（Cordis）：注册 3 个工具 + HTTP 路由
├── remote.mjs           # HTTP 路由（/speech-api/*，浏览器录音按钮直调）
├── http-body.mjs        # HTTP 请求体读取
├── core/                # 平台无关核心（STT/TTS/模型管理/WAV 编解码）
│   ├── index.js         #   createSpeechService() 门面
│   ├── models.js        #   模型管理（状态/下载/断点续传/镜像回退）
│   ├── stt.js           #   语音识别（wav 文件 / data URL）
│   ├── tts.js           #   语音合成（data URL / wav 文件）
│   └── wav.js           #   WAV 编解码 + 8kHz→16kHz 重采样
├── client/              # 浏览器端插件（录音按钮）
│   ├── index.ts         #   源码（TSX）
│   └── dist/client.js   #   构建产物（CJS factory bundle）
├── cordis.bundle.yml    # dsh bundle patch（dsh plugin add 安装）
├── cordis.patch.yml     # --patch 开发加载示例
└── scripts/
    ├── build-client.mjs # 构建 client bundle（esbuild）
    └── verify-dsh.mjs   # 插件契约验证（mock cordis ctx）

安装

dsh plugin --profile <name> add /path/to/dsh-speech-sherpa
# 或从 git：dsh plugin --profile <name> add github:you/dsh-speech-sherpa

开发期用 --patch：

cd <deepseek-harness 仓库>
pnpm dsh --profile web --patch C:\Users\Administrator\Documents\dsh-speech-sherpa\cordis.patch.yml --port 3099

工具

工具输入输出
:--:--:--
stt_transcribeaudioPath（wav 文件）或 audioBase64（data URL）{text}
tts_speaktext、speed?、sid?、inline?{audioPath, text, dataUrl?}
sherpa_models_downloadkinds?（['stt','tts']）{results, modelDir}

模型自愈：stt_transcribe/tts_speak 发现模型缺失会报错并提示调用 sherpa_models_download，agent 可自行下载。

配置（cordis.yml config 字段）

字段默认值说明
:--:--:--
voiceRate1.0语速 0.5~2.0
sid88音色 88/90/92/94
modelDir$DSH_HOME/models/sherpa模型目录（DSH_HOME 默认 ~/.dsh）
outputDir$DSH_HOME/audio/sherpaTTS 输出目录

WebUI 录音按钮

聊天输入框工具行左侧的 🎤 按钮（conversation.input.left slot）：

1. 按住开始录音（getUserMedia + MediaRecorder），按钮变红显示倒计时 120s → ... 2. 松开自动停止 → 浏览器编码 wav → POST host /speech-api/sttTranscribe 3. 转写文本自动填入输入框并发送（inputActions.setDraft + submit） 4. 按住超过 120 秒自动停止发送；按住移出按钮也视为松手

重建 client bundle（改源码后）：

node scripts/build-client.mjs   # 产物 client/dist/client.js

模型

模型用途体积
:--:--:--
streaming-zipformer-zh-int8-2025-06-30中文语音识别126MB
vits-icefall-zh-aishell3中文语音合成30MB

下载后存放于 <modelDir>/stt、<modelDir>/tts。下载走国内镜像（ghfast.top → gh-proxy → GitHub）+ 断点续传。

开发

npm install                # sherpa-onnx-node（版本已精确锁定 1.13.4）
node scripts/verify-dsh.mjs   # 插件契约验证（14 项）
node scripts/build-client.mjs # 重建 client bundle

音频规格

  • STT 输入 wav 支持 16kHz/8kHz（8kHz 自动上采样到 16k；VITS TTS 输出 8kHz，tts_speak → stt_transcribe 闭环可用）
  • TTS 输出 wav 为 8kHz 16bit PCM 单声道

发布

  • 遵循 dsh 插件命名惯例：npm 包名 dsh- 前缀（本包 dsh-speech-sherpa）
  • GitHub 仓库加 dsh-plugin 话题便于被发现
  • 依赖 @deepseek-ai/* 时注意：@deepseek-ai/dsh-tools 的 npm latest tag 是过期线，用 next tag；本插件零 @deepseek-ai 运行时依赖（裸 JSON ToolDefinition）已避开
Back to searchOpen GitHub repository

More related plugins

View category