zfu691531-hash/dsh-realtime-voice

Name: zfu691531-hash/dsh-realtime-voice
Author: zfu691531-hash

Plugin插件 Native原生 ⭐ 2 MIT Vision & Media视觉与多媒体

轻量级实时ASR→DeepSeek Harness→TTS社区插件。

Project Overview项目介绍

Edited by Zhiwei Agent (zhiwei)由知微Agent(zhiwei)编辑

dsh-realtime-voice is a native plugin built exclusively for DeepSeek Harness that adds real-time voice interaction capability to the agent framework. It ships with a DSH bundle manifest and follows DSH plugin specifications, so it can be installed directly via the DSH CLI. Users can install it by running the command dsh plugin --profile web add github:zfu691531-hash/dsh-realtime-voice#v0.12.0, which does not require local building, as pre-built artifacts are already committed to the repository. It supports two separate cloud-based ASR and TTS pipelines: one for Alibaba Cloud Qwen 3 and one for OpenAI GPT Realtime, no local models, Docker, or Python are required.

When enabled, the plugin captures microphone audio from the user’s browser, handles voice activity detection, turn coordination, and incremental transcription, then automatically submits the complete transcribed text to the active DSH conversation. All reasoning, tool calling, memory, and networking are handled directly by DSH, so the plugin only manages the voice input and output flow. It supports features like interruption via voice, manual confirmation for sensitive text, and optional Tencent Cloud voiceprint verification to reduce false triggers from background noise. This plugin is ideal for users who prefer voice-based interaction over text typing with DSH agents.

This plugin is released under the open-source MIT license, and API keys are managed securely by DSH’s built-in credential service, never stored in browser local storage or logs. There is a known limitation for DeepSeek Harness Desktop rc.5: the Electron wrapper blocks microphone access for the renderer, so the plugin will open the same Harness page in an external browser to get microphone permission. Once the desktop version adds microphone support for embedded windows, the plugin will work without this workaround. Voiceprint verification is optional and only reduces background false triggers, it does not provide user authentication.

这是专为 DeepSeek Harness 开发的原生实时语音插件，自带 DSH 插件清单，遵循 DSH 插件开发规范。它提供两套实时语音交互管线，分别是阿里云百炼的千问 ASR/TTS 管线和 OpenAI GPT Realtime 管线。插件不需要本地模型、Docker 或 Python 依赖，所有语音转写和播报都通过云端 API 完成，可通过 DSH 命令行直接安装启用。

用户开启语音模式后，浏览器采集麦克风音频，插件负责转写、断句、轮次协调，最终将完整转写结果自动提交给当前 DSH 会话，再把 DSH 生成的回复流式播报出来。它支持插话打断、敏感文本人工确认、腾讯云声纹验证防背景干扰，全程推理和工具调用都由 DSH 处理，适合想要通过语音而非文字和 DSH Agent 交互的用户。

插件采用 MIT 许可证开源，API 密钥由 DSH 凭据服务统一管理，不会存储到浏览器本地存储或日志中，保障密钥安全。当前 DeepSeek Harness 桌面版 rc.5 存在麦克风权限限制，使用插件时会跳转外部浏览器授权麦克风，后续桌面版开放权限后可直接在内嵌窗口使用。

View on GitHub在 GitHub 查看

Send to your DSH发给你的 DSH 安装

请帮我安装这个 DSH 插件。安装前先完成【兼容性检查 + 安全性检查】，检查通过再动手。

插件：dsh-realtime-voice（zfu691531-hash/dsh-realtime-voice）
仓库：https://github.com/zfu691531-hash/dsh-realtime-voice
本站详情页：https://www.yhbd.top/plugins/zfu691531-hash-dsh-realtime-voice/
本站登记：类型 plugin · 归类 原生 DSH 插件 · 许可证 MIT · ⭐ 2 · 最近提交 2026-08-16 · 主语言 JavaScript

按下面顺序执行，每步先把结论告诉我，再进入下一步：

【1 兼容性检查】
① 我这边：DSH 版本、Node 版本、操作系统、当前 profile（web / desktop）。
② 读它的 README、package.json、插件 manifest，列出它要求的 DSH 版本 / Node 版本 / 操作系统 / 外部依赖 / 需要另外先装的运行时。
③ 逐条比对，结论只写「满足 / 不满足 / 未知」三种；不满足的给出可行替代方案。
④ 检查是否和我已装的插件冲突：命令名重复、skill / tool 重名、端口占用、重复注册的 MCP server。

【2 安全性检查】
① 仓库可信度：和上面「本站登记」是否一致；star / fork 数、创建时间、最近提交，是否归档或长期停更。
② 安装脚本：逐行看 package.json 的 preinstall / install / postinstall，以及 install.sh、setup.ps1 之类脚本。出现 curl|bash、下载后直接执行、混淆代码、访问与插件功能无关的域名，立刻停下来告诉我，不要继续装。
③ 依赖：列出新增依赖，标出无人维护、或与知名包拼写近似的可疑包（typosquatting）。
④ 权限与副作用：它会读写哪些目录、访问哪些域名、需要哪些 DSH 权限（filesystem / network / shell / clipboard 等），以及怎么卸载和回滚。
⑤ 如果它要求 sudo / 管理员权限，或权限明显超出功能所需，先停下来问我。

【3 安装】
上面两步没有「不满足」和「高危项」时才执行；用官方推荐方式安装，不要自行提权。

【4 汇报】
用表格输出：检查项 / 结论 / 依据 / 是否需要我决策。拿不准的一律写「未知」并说明要我怎么确认——不要猜，也不要替我决定。

Send this message to DSH in your current session: it verifies compatibility and security first (answering met / not met / unknown item by item) and only installs once everything checks out — it will stop and ask you if it finds a high-risk item. The box scrolls; the copy is the full prompt. CLI install commands may not be accurate across systems, so DSH is the safer route.把上面这条消息直接发给当前会话里的 DSH：它会先核对兼容性与安全性（逐条给「满足 / 不满足 / 未知」），确认没问题再安装，有高危项会停下来问你。框内可滚动，复制到的是完整提示词；安装命令不一定准确，发给 DSH 更稳。

Pre-install check安装前体检Compatibility · Security兼容性 · 安全性 1 warning1 项注意

Only 2 stars - very few users, little community feedback星标只有 2，几乎没人在用，遇到问题缺少社区反馈

DSH walks through these 9 checksDSH 会逐条核对这 9 项

Compatibility兼容性

DSH, Node, OS and profile requirementsDSH 版本 / Node 版本 / 操作系统 / profile 是否满足要求
External dependencies and runtimes (Electron / Python / Docker, ...)外部依赖与运行时（Electron / Python / Docker 等）是否齐备
Conflicts with installed plugins: command names, skill / tool names, ports, duplicate MCP registration与已装插件是否冲突：命令名、skill / tool 重名、端口占用、重复 MCP 注册

Security安全性

Repo matches the facts registered here; archived or abandoned?仓库是否与页面登记一致，是否归档或长期停更
Safety of preinstall / install / postinstall and install.sh / setup.ps1preinstall / install / postinstall 与 install.sh、setup.ps1 是否安全
curl|bash, download-then-execute, obfuscation, unrelated domains → stop immediatelycurl|bash、下载即执行、混淆代码、无关域名 → 立刻停止
Typosquatting or unmaintained packages among the new dependencies新增依赖里有没有 typosquatting 或无人维护的包
Requested permissions vs. what the feature actually needs申请了哪些权限、是否超出功能所需（filesystem / network / shell / clipboard）
Any sudo / admin requirement, plus uninstall and rollback是否要求 sudo / 管理员权限，以及卸载与回滚方式

Anything uncertain must be marked unknown with a note on how to confirm it. This site's signal screen is a static snapshot, not a security audit.拿不准的必须标「未知」并说明要我怎么确认。本站的信号筛查是静态快照，不能替代安全审计。

Or use CLI install (for developers)或使用命令行安装（适合开发者）

CLI Install命令行安装

dsh plugin --profile web add github:zfu691531-hash/dsh-realtime-voice#v0.12.0

把 zfu691531-hash/dsh-realtime-voice 加入你的 DSH 配置（web profile）即可启用。

READMEREADME

9.4 KB · 缓存于 2026-08-28 05:28:55 · 9.4 KB

dsh-realtime-voice

DeepSeek Harness 的轻量实时语音插件。不包含 Docker、Python或本地模型。千问线路是确定性的三段式管线：浏览器采集 PCM，Harness Host 以同源 WebSocket 代理专用 ASR/TTS；空闲时完整语句经原生输入框自动交给当前 Harness 会话，忙时的新语音先合并到输入框，播报结束后按可配置停留时间安全续发，语音厂商没有独立回答的机会。

DeepSeek Harness 实时语音插件设置

能力

国内线路：qwen3-asr-flash-realtime → DeepSeek Harness → qwen3-tts-flash-realtime（阿里云百炼，北京/新加坡）。
全球线路：gpt-realtime-2.1（OpenAI Realtime）。
千问使用两个独立语音模型：ASR 只转写，TTS 只播报；不再使用 Omni Realtime 作为对话模型。
ASR final 统一经过原生输入框：空闲且输入框为空时，在续说窗口结束后自动调用原生发送；Harness 推理或播报期间捕获的后续语音先取得一个仅限 ASR 草稿的发送租约，全部播报结束后再等待默认 1800ms，期间没有续说或键盘编辑才提交完整草稿。推理、记忆、联网、插件与工具调度全部由 Harness 完成。
VAD 默认 threshold=0.85、尾静音 700ms，并关闭浏览器自动增益以优先近讲。ASR final 先进入候选断句，再等待 1200ms 的续说窗口；从停顿开始约 1.9s 才提交 Harness，期间继续说话仍属于同一轮。
严格的 TurnCoordinator 为每轮分配唯一 ID，并串行处理 ASR 状态事件；旧轮的迟到回调不能再启动 Harness、覆盖新轮或播放过期语音。
Harness 执行工具期间，普通背景转写不会再取消当前任务；只有明确说“停止 / 取消 / 算了”才会中止。
Harness 正在推理或 TTS 正在播报时，新语音只追加到原生输入框；播报结束后不会跳过这些文字。新的 speech_started 会暂停倒计时，只有 speech_stopped 后才允许恢复，后续 ASR final 合并后重新计时；键盘编辑、粘贴、清空、手动发送、连接停止或草稿版本不匹配都会撤销自动发送，避免长句中途提交和重复提交。
后续草稿自动发送默认开启，但默认要求已通过声纹；未启用声纹时需在设置中显式允许。声纹拒绝/不可用、取消口令，以及转账、支付、删除、关机等敏感文本只保留在输入框等待人工确认。
语音模式开启期间，插件旁路观察用户手动提交的原生 Harness turn，流式提取口语摘要并交给 TTS；不需要插件再次提交相同消息。
TTS 使用 24kHz PCM 流式播放。播报期间麦克风音频先留在浏览器本地，不会直接污染云端 ASR；经过播放预热且检测到至少 500ms 持续近讲后，才暂停播放器并把带预卷的候选音频交给 ASR。
候选插话经过文本有效性与播报回声相似度复核；误触发会恢复原播报，确认插话才停止 TTS。插话文字只进入原生输入框，等待用户发送或清空，不会自动抢开第二个 Harness 任务。
TTS 播放结束后保留 400ms 防回声窗口，清理残留 ASR 缓冲后才重新进入监听。
实时语音轮次要求 Harness 把 1–2 句自然口语结论放在第一段，空行后再写详细结果；插件在第一段每个完整句子生成时立即提交 TTS，不等待详细正文或 turn/end。聊天界面不再显示任何 voice-summary/HTML 边界，TTS 只消费 text-delta，绝不读取 reasoning-delta、工具过程或后续详情。
插件在 t=0 并行请求当前语音供应商的轻量文本模型；实际等待超过默认 800ms 且仍没有正文时，才播出依据脱敏短主题、Harness 工具/重试阶段和此前接场句临时生成的自然承接，不再依赖固定话术库。长等待最多三句且不会重复；快回答会取消未播接场。接场和结果共用同一 TTS 单写者队列，不写 Harness 历史，也不读取 reasoning 或 tool payload。
千问线路可选腾讯云声纹“抗干扰软门控”。开启后首句至少 1 秒的人声只用于显式录入，后续每个 ASR utterance 在 Host 侧验证；未通过、凭据缺失或服务超时均只把文字留在原生输入框，不自动提交 Harness。声纹不是身份认证，不能授权高风险操作。
同一会话只允许一个语音委派。排队任务使用定向删除，运行中任务才会取消当前 turn，避免误伤原有工作。
API Key 只由 Host 的凭据服务按请求读取，不写入浏览器、localStorage、包文件或日志。

安装

Showing the opening section of the README — the full document lives in the repository以上为 README 开头摘要，完整文档在仓库内 · View the full README on GitHub →在 GitHub 查看完整 README →

渲染基于仓库 zfu691531-hash/dsh-realtime-voice 的 README.md。在 GitHub 查看原文 →