voco-input-sh

Readme

# 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](https://github.com/233stone/vocotype-cli)（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
- 💾 **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：

   ```powershell
   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：

   ```yaml
   - 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](https://pnpm.io/)。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
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
└── README.md
```

## 相关项目

- [233stone/vocotype-cli](https://github.com/233stone/vocotype-cli) — VocoType 开源语音输入引擎
- [DeepSeek Harness](https://github.com/deepseek-ai/dsh) — 本插件的宿主环境

## 安全加固（v0.1.1）

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**。

## License

MIT