SuCriss/dsh-voice-control

dsh-voice-control

DSH Web 声控插件：语音输入 + 语音播报，把 DeepSeek Harness 变成桌面 Jarvis。

• 🎙 输入框麦克风：麦克风图标嵌在 composer 发送键左侧，样式与原生按钮统一，零额外占位
• 说话即发送：Web Speech API 实时识别（Chrome/Edge 内置），说完直接发出；关闭自动发送则填入草稿供编辑
• 🔊 回复播报：语音指令的回复自动朗读——1.5s 文本稳定去抖判定回复完成（流式输出、工具调用都不怕），Markdown 自动清洗成口语
• 音色动态适配：音色列表按浏览器/系统实时获取（Edge 附赠微软在线自然语音），按语言分组，跨设备自动回落
• ⚙ 按需设置：右键麦克风弹出设置（自动发送/自动朗读/语速/音色/试听），localStorage 持久化
• Ctrl+M 全局快捷键；录音中麦克风两侧音波动效
• 纯浏览器实现，零依赖、零后端、零 API Key

安装

dsh plugin --profile web add dsh-voice-control

也可以从 GitHub 源码安装：dsh plugin --profile web add github:SuCriss/dsh-voice-control。

重启 dsh web 生效（新增 bundle 行需重组配置树；之后改源码刷新页面即可热载）。

语音识别使用浏览器内置服务（Chrome/Edge），需要网络；TTS 播报完全本地。不支持 Firefox（无 Web Speech 识别）。

卸载

dsh plugin --profile web remove dsh-voice-control

实现说明

• 浏览器半区通过 data-composer-card / data-input-scroll 稳定属性定位 composer 工具行，portal 注入麦克风按钮，MutationObserver 兜底重挂
• 发送走会话作用域 conversation.send()；填入走 conversation.input.for().actions.setDraft()
• 朗读源为会话快照中最新的助手文本节点，按指纹去抖触发

已知边界（v1.0）

• 语音指令的回复自动朗读：发送后 3 分钟内到达的最后一条助手回复；长回复最多读 1200 字符
• 推式（push-to-talk）而非常驻监听，避免拾取 TTS 声音形成回环
• 未适配多会话并排视图下的非活动输入框

MIT © SuCriss