dsh-voice-control

Readme

# 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

```sh
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

```sh
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