voco-input-sh

voco-input-sh

DeepSeek Harness（dsh web）持久语音输入插件：在聊天输入框旁提供麦克风按钮，弹出录音面板，把本地语音识别软件 VocoType 的识别结果自动插入输入框。

基于 VocoType（开源离线语音输入，Paraformer 中文识别 + FSMN-VAD + CT-Transformer 标点），本插件负责「检测/启动/自动部署 VocoType → 读取识别日志 → 去重 → 自动插入输入框」的完整闭环。

功能特性

• 🎙 麦克风按钮：输入框工具行右侧，千问风格图标，hover 高亮、录音中红点呼吸
• 🪟 录音面板：输入框上方弹出，波形动画 + 状态提示 + 累计计数（已插入 N 条）
• 🚀 自动准备引擎：检测 VocoType 进程 → 未运行自动启动 → 未安装自动下载官方安装包（NSIS 静默安装到 %LOCALAPPDATA%\Programs\VocoType）
• ✂️ 防重复插入：VocoType 会把文字粘贴到焦点窗口，插件插入前检查草稿是否已包含该文本，避免双份
• 🔁 持续输入：点一次按钮开始，连续说多句全部自动插入，再点按钮结束
• 🔧 错误重试：面板出错时提供「重试」按钮
• ⚡ mtime 优化轮询：日志文件无变化时不重复读取
• 🔄 日志轮转自适应：VocoType 重启或日志轮转后自动重设读取游标，不会出现「说了话却不再插入」
• 💾 路径动态探测：日志路径基于 %LOCALAPPDATA%，exe 探测 5 个常见安装位置，换机器可用

安装

1. 将本包放入 dsh profile 的 packages/ 目录（例如 C:\Users\<你>\.dsh\profiles\web\packages\voco-input-sh）

2. 在 profile 根目录安装：

   cd <你的 profile 目录>          # 例如 C:\Users\<你>\.dsh\profiles\web
   pnpm add "file:./packages/voco-input-sh"
   

3. 在 cordis.patch.yml 添加挂载行：

   - insert:
       - id: voco-input-sh
         name: 'voco-input-sh'
   

4. 重启 dsh web，麦克风按钮自动出现在聊天输入框工具行。

依赖项：需要 pnpm。VocoType 会自动部署，无需预装（首次会自动下载约 25MB 安装包并静默安装，模型约 1.6GB 由 VocoType 首次启动时下载）。

使用

1. 点击输入框右侧 🎙 按钮 → 弹出录音面板（波形动画 +「按住 AltRight 说话」）
2. 按住 AltRight 说话，松开
3. 识别文字自动插入输入框（若 VocoType 已粘贴到输入框则自动去重）
4. 连续说多句会全部按顺序插入；再点按钮（或面板 ✕）结束

工作原理

┌─────────────┐  识别完成   ┌──────────────────┐   写日志   ┌────────────────────────┐
│  VocoType   │ ──────────► │ 剪贴板 + Ctrl+V  │ ────────► │ %LOCALAPPDATA%\VocoType\│
│ (AltRight)  │             │ (粘贴到焦点窗口)  │            │ logs\VocoType.log      │
└─────────────┘             └──────────────────┘            └───────────┬────────────┘
                                                                        │ 轮询(600ms, mtime优化)
┌─────────────────────────┐   setDraft(草稿拼接)   ┌────────────────────▼─────────┐
│ 输入框（React 受控）     │ ◄──────────────────────│ 插件 Client（slot 面板）     │
└─────────────────────────┘                        │  草稿包含→跳过（去重）       │
                                                   │  未包含→拼接插入             │
                                                   └─────────────┬───────────────┘
                                                          fetch /dsh-voco-*
                                                   ┌─────────────▼───────────────┐
                                                   │ 插件 Host（webServer 路由）  │
                                                   │ ensure / baseline / poll    │
                                                   └────────────────────────────┘

• Host（lib/index.js）：Node ESM，webServer 注册三条 HTTP 路由（/dsh-voco-ensure、/dsh-voco-baseline、/dsh-voco-poll），node:fs 直读日志、child_process 调 PowerShell 检查/启动/部署 VocoType
• Client（lib/client.js）：__ModuleLoader__ bundle，slots 注册按钮（conversation.input.right）与面板（conversation.input.dock），fetch 轮询路由，inputActions.setDraft() 写入输入框

开发与同步

源码与运行副本（node_modules/voco-input-sh）需保持一致。修改 packages/voco-input-sh/ 下的 package.json、lib/index.js、lib/client.js 后，在包目录执行：

powershell -ExecutionPolicy Bypass -File sync.ps1

然后重启 dsh web 生效。

目录结构

voco-input-sh/
├── package.json      # 包定义（dsh.client 声明）
├── lib/
│   ├── index.js      # Host：HTTP 路由（ensure/baseline/poll）
│   └── client.js     # Client：按钮 + 录音面板（slots）
├── sync.ps1          # 一键同步到 node_modules
├── CHANGELOG.md      # 版本变更记录
└── README.md

DSH 兼容性

已验证宿主版本：dsh 0.1.5-rc.2。

本插件依赖的宿主契约及核对结果：

⚠️ 客户端必须声明 inject。若只导出 apply，cordis 不会等待服务就绪就调用它， ctx.get('slots') 会拿到 undefined，插件便静默注册不出任何 UI（按钮消失，控制台也没有报错）。 v0.2.1 及更早版本正是踩了这个坑，v0.2.2 已修复。同机对照：dsh-prompt-enhancer 声明了 inject: ['timer']，所以不受影响。

已知行为边界：

• 输入框里的引用 chip 会降级为纯文本。DSH 0.1.5 的输入框会把 @文件 引用渲染成 chip，而本插件通过 inputActions.setDraft() 整体替换草稿——这是当前唯一的公开写入路径，因此草稿里已有的 chip 会被写回成 它的文本形式。文字内容不会丢失，只失去 chip 外观。
• 语音插入依赖 VocoType 的日志格式（session_id=… text=… 替换次数=N）。VocoType 升级若改动日志格式， 需要同步更新 lib/index.js 的 parseEntries。

相关项目

• 233stone/vocotype-cli — VocoType 开源语音输入引擎
• DeepSeek Harness — 本插件的宿主环境

安全加固（v0.1.1 起）

本版本根据三模型安全评估修订：

• 部署操作改 POST + anti-CSRF token：/dsh-voco-ensure 从 GET 改为 POST，必须携带 /dsh-voco-token 下发的每进程令牌，封堵跨站 <img> 触发「下载+静默安装」。
• 供应链加固：下载链路移除 --ssl-no-revoke；安装包固定 SHA-256（5629de8a…02c5c2），下载后先校验、不匹配即删除并中止，杜绝篡改/替换安装包。
• Origin/Sec-Fetch-Site 守卫：全部 3 条路由拒绝跨站请求与外来 Origin。
• 去掉硬编码用户路径：日志路径完全基于 %LOCALAPPDATA%（回退 homedir/AppData/Local），换机器可用，不再泄漏主机用户名。
• GBK 日志回退：日志按 UTF-8 读取失败时自动改用 GBK 解码，中文识别不再乱码。
• 执行超时：PowerShell 调用加 180s 超时，安装器卡住不再挂起路由；客户端 ensure 请求 120s 超时。
• 升级方式：同步 sync.ps1 后完全重启 dsh web。

版本历史

见 CHANGELOG.md。当前版本 v0.2.2 —— 修复客户端漏声明 inject 导致的「麦克风按钮不显示」。

License

MIT