Vorpal-poem / dsh-doubao-voice

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