dsh-siri-voice

DSH PLUGIN视觉与多模态

仓库 saul-dsh/dsh-siri-voice

视觉与多模态 L5 · 运行验证通过 安全审查:低风险 可信度:金 可安装插件
安装这个插件

dsh-siri-voice 是 saul-dsh 维护的 视觉与多模态 类 DSH 可安装插件, 仓库为 saul-dsh/dsh-siri-voice,许可证 MIT。 下面按「装什么、怎么装、验没验过、跑起来要注意什么」逐项列出。

一句话选型结论

按资料字段整理

dsh-siri-voice 是视觉与多模态类的 DSH 可安装插件,验证等级 L5 · 运行验证通过,安全审查为低风险,有可直接复制的安装命令。验证通过不等于安全:插件会读写文件、执行命令或联网,装前先到仓库确认它做了什么;涉及密钥或系统权限的,建议先在隔离环境试装。

分类视觉与多模态 收录类型可安装插件 验证等级L5 · 运行验证通过 安全审查低风险
验证等级 L5 L5 · 运行验证通过
GitHub 星标 1 复刻 0 · 未关闭 issue 0
最近更新 2026-10-25 创建于 2026-10-23
README 6.3 KB 正文体量,越大说明说明书写得越细

安装

可安装插件
在 DSH 里执行,装完用 dsh plugin list 确认已挂上;标了 L4 / L5 的命令已在沙盒里真实跑通
dsh plugin --profile web add github:saul-dsh/dsh-siri-voice
  1. 1
    确认版本与运行环境

    仓库没有标注兼容版本与 Node.js 要求,先确认你的 DSH 版本能装,再继续。

  2. 2
    执行安装命令

    在 DSH 里执行上面的命令;多包仓库要注意区分具体子包名,别装错包。

  3. 3
    确认已挂载

    用 dsh plugin list 查看列表里是否出现这个插件,出现即挂载成功。

  4. 4
    试跑并检查权限

    加载后跑一个最小用例,确认它能正常工作;同时看它申请了哪些文件、命令或网络权限。

兼容 DSH 版本未标注版本不匹配时安装会报错
Node.js 要求未标注来自仓库 package.json 的 engines 字段
前置依赖无需要同时安装的同级依赖
npm 包名未发布到 npm可用 npm view 查看包信息

能做什么

视觉与多模态
字段来自项目仓库与公开索引,中文说明由本站标注

适用场景

通知

上游标签

deepseek-harnessdsh-plugin

验证等级与安全审查

L5 · 运行验证通过
自动化流程结论,不是人工审核
验证等级L5 · 运行验证通过在 dsh 沙盒中完成安装与运行冒烟——装得上、跑得起来
安全审查低风险静态分析结论,未标注不代表已通过审查
仓库健康度活跃按仓库活跃度与最近更新时间给出
可信度金综合仓库活跃度与验证结果

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 验证等级 L5:安装和运行都在沙盒里跑通过,装完能直接用的概率高。
  • 静态安全审查为低风险,没有发现明显可疑行为。
  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有声明 Node.js 版本要求,版本不匹配可能装不上。
  • 验证通过不等于安全:插件会读写文件、执行命令或联网,装前先到仓库确认它做了什么。

更适合

  • 需要在视觉与多模态场景里给 DSH 补能力的人。
  • 想装完就能用、不想自己排依赖的人。
  • 能接受在本地装依赖、愿意自己确认权限的人。

不太适合

  • 只使用 DSH 官方内置能力、不接受第三方插件的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
插件验证等级安全审查星标兼容版本安装命令
dsh-siri-voice当前 L5 · 运行验证通过 低风险 1 未标注 有
open-design L4 · 沙盒安装通过 低风险 10.0 万 未标注 有
awesome-gpt-image-2 L3 · 安装规范通过 低风险 3.4 万 未标注 无
PicGo L3 · 安装规范通过 低风险 2.7 万 未标注 无
iPolloWork L4 · 沙盒安装通过 低风险 6,775 未标注 有
modlens L5 · 运行验证通过 低风险 4,207 0.2.0-rc.2 等 13 个 有

仓库档案

视觉与多模态
字段来自项目仓库与公开索引,中文说明由本站标注
作者 / 维护方saul-dsh仓库 dsh-siri-voice · 默认分支 main
分类视觉与多模态media
收录类型可安装插件声明了 dsh.bundle、可用 dsh plugin add 安装的条目
开发语言未标注仓库主语言
许可证MIT商用或二次分发前请确认条款原文
星标 / 复刻 / issue1 / 0 / 0收录时的数值,非实时
创建 / 更新2026-10-23 · 2026-10-25最后推送 2026-10-25
本站收录2026-10-30首次进入本站目录的时间

README 全文

6.3 KB
作者原文,中文版优先;只做安全转义,不改内容

dsh-siri-voice

English | 简体中文





给 DeepSeek Harness(dsh)做的语音输入增强插件,两件事:

  1. 跑马灯:点开麦克风开始说话时,输入框上方浮出一条 Siri 风格的流光带——外圈旋转的渐变光,中间三层声波随你的音量起伏。
  2. 转写清理:说完之后,把「嗯、呃、那个」这类语气词和重复的字词去掉,把停顿造成的碎句号改回逗号,再放进草稿。
点麦克风  →  流光波纹  →  停止转写  →  清理口语杂质  →  干净文本进入草稿

目录

  • 效果
  • 转写清理
  • 安装
  • 依赖
  • 实现要点
  • 兼容性
  • 故障排查
  • 相关插件
  • 贡献

效果

  • 录音中:渐变光带沿边缘跑动,浪高跟着麦克风音量实时变化。
  • 转写中:波形消失,光带保留,提示还在处理。
  • 结束或取消:光带瞬间消失,不占任何布局。

转写清理

语音转写会把口语原样落进草稿,直接发出去很难看。插件在转写完成、文本进入草稿之后跑一遍规则清理,纯本地正则,不调模型,零延迟零成本。

问题 处理 例子
语气词 删行首、标点后、汉字之间的「嗯呃额唔」 「嗯,我觉得」→「我觉得」
口头填充「那个」 只删行首且后面紧跟逗号的 「那个,我想说」→「我想说」
重复字 同字三连以上合并 「我我我觉得」→「我觉得」
重复词 两三个字的词连续重复合并 「这个这个方案」→「这个方案」
停顿碎句 整段没有逗号且平均句长很短时,中间句号改逗号 「我今天。想去公园。」→「我今天,想去公园。」

不动的:

  • 叠词:「看看」「刚刚」「试试」是合法用法,不动
  • 指示代词:「那个文件」里的「那个」
  • 语气助词:「好啊」里的「啊」、「对吧」里的「吧」
  • 已经有逗号的正常句子
  • 正常长度的完整句子

改动超过原长 40% 时判定规则失控,直接放弃清理保留原文。清理结果只写回草稿,不会自动发送,你可以继续改或者手动撤回。

安装

# 本地路径
dsh plugin --profile web add /path/to/dsh-siri-voice

# 从 GitHub
dsh plugin --profile web add https://github.com/saul-dsh/dsh-siri-voice

安装后重启宿主(桌面端需完全退出再启动),启动日志出现 [siri-voice] 相关的层即可。

依赖

需要 dsh 自带的语音输入 bundle 处于启用状态(@deepseek-ai/dsh-experimental-voice-input-bundle),因为:

  • 麦克风按钮、录音与转写都由它提供;
  • 本插件只读取它在录音时挂在容器上的 data-voice-activity 属性,不打断、不接管任何流程。

语音输入没启用时,本插件不会显示任何东西,也不影响其他功能。

实现要点

  • 纯客户端插件:服务端入口只有一个空的 apply,作用是让宿主扫描到 dsh.client.platform = 'web'。
  • 视觉层注册在 conversation.input.dock;每帧取「编辑器 + 语音栏」的最小公共祖先(即输入框卡片本身)的矩形与圆角,用 position: fixed 严丝合缝盖在卡片上,不做外扩。
  • 录音时内置的点状声纹被 CSS 隐藏(仍占位,取消/停止按钮不动),画布直接画在它原来的格子里,相当于接管了那条声纹。
  • 音量来自本插件自己的 getUserMedia + AnalyserNode(权限已由内置按钮授予,不会二次弹窗);拿不到音频时退化为缓慢呼吸动画,不报错。
  • 不使用 WebGL、不引入第三方依赖,只用一个 canvas。

兼容性

项目 要求
dsh ≥ 0.2.0(developer preview)
Node ≥ 18
客户端 web(桌面端与浏览器)
前置插件 @deepseek-ai/dsh-experimental-voice-input-bundle 需处于启用状态
运行时依赖 无。跑马灯用原生 canvas 与 Web Audio API,转写清理是纯正则

dsh 升级后如果这个插件突然不显示,多半是语音输入 bundle 改名或 data-voice-activity 属性变了。录音功能本身不受影响。

故障排查

完全没有流光带

  • 先确认语音输入本身能用:点麦克风能录音、能转写
  • 确认前置 bundle 已启用:dsh --profile desktop --dump-config | grep voice-input
  • 装完没重启 dsh。客户端模块在启动时加载

有流光带,但浪高不动

  • 麦克风权限被拒绝,或系统里有别的应用独占了麦克风。此时退化为缓慢呼吸动画,不报错
  • 部分 Linux 发行版下 getUserMedia 拿不到音量,同样退化

转写出来了,但语气词还在

  • 清理有 40% 改动上限保护,删太多会判定失控并放弃,保留原文
  • 整段被判为「正常句子」(已经有逗号,或者平均句长超过 12 字)时,停顿句号不会合并
  • 控制台有 [dsh-siri-voice] transcript cleaned X -> Y 记录,没有这行说明本次没触发清理

流光带位置偏了

  • 它按「编辑器 + 语音栏」的最小公共祖先计算矩形,dsh 改动输入栏结构后可能算错
  • 窗口缩放或分屏切换后如果错位,重新触发一次录音即可

和别的输入框插件冲突

  • 它只读 data-voice-activity 属性,不接管录音流程。真冲突的话禁用其他插件逐个排查

相关插件

  • dsh-prompt-enhancer —— 同一个作者,发送前自动改写提示词

贡献

欢迎提 issue 和 PR。动手前先读 CONTRIBUTING.md。

License

MIT

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
dsh-siri-voice 怎么安装?

在 DSH 里执行 `dsh plugin --profile web add github:saul-dsh/dsh-siri-voice` 即可。

dsh-siri-voice 的验证等级是什么意思?

L5 · 运行验证通过。在 dsh 沙盒中完成安装与运行冒烟——装得上、跑得起来

dsh-siri-voice 安全吗?

低风险。

dsh-siri-voice 装之前要先确认什么?

先看它会读写哪些文件、执行哪些命令、连接哪些网络地址;验证等级只说明装得上、跑得起来,不等于安全。涉及密钥或系统权限的,建议先在隔离环境试装。

dsh-siri-voice 用的是什么许可证?

上游标注为 MIT。商用或二次分发前请到仓库确认许可证原文。

这条记录的数据可靠吗?

本站按仓库名去重后合并整理,字段以作者仓库与 npm 元数据为准;安装命令、仓库地址与 README 保持原文,带 L4 / L5 标记的安装命令已在隔离沙盒里真实跑通。

视觉与多模态
按星标排序,可作替代方案

open-design

open-design

L4 · 沙盒安装通过 10.0 万 星

awesome-gpt-image-2

awesome-gpt-image-2

GPT Image 2 / 2.5 提示词与案例库,530+ 个案例、20+ 套工业级模板与可复用 Skills,新增 2.5 同提示词对比

L3 · 安装规范通过 3.4 万 星

PicGo

PicGo

L3 · 安装规范通过 2.7 万 星

iPolloWork

iPolloWork

L4 · 沙盒安装通过 6,775 星

modlens

modlens

ModLens 是 DeepSeek Harness 的视觉插件,为纯文本模型外挂视觉能力,粘贴图片即得结构化 JSON 证据(OCR、版面

L5 · 运行验证通过 4,207 星

OpenBiliClaw

OpenBiliClaw

本地私有、开源的自进化跨平台 AI 内容发现 Agent:先理解你,再主动从 B站、小红书、抖音、YouTube、X、知乎、Reddit、微

L4 · 沙盒安装通过 3,398 星

saul-dsh 的其它插件

2 个

插件的元信息来自作者仓库;分类、验证等级与安全结论的中文说明为中文整理,最近核验 —。