DSH Plugins Marketplace

DSH Plugins

Plugins

/

Vision & Multimodal

/

dsh-podwave

d

dsh-podwave

Manifest valid

Local-first podcast player and transcriber for DeepSeek Harness: plays audio files from your disk, transcribes with local ASR, shows bilingual subtitles and exports SRT or Markdown.

UI (client)hasBundlePatch

dsh-podwave

DeepSeek Harness 的本地播客播放器插件:在 DSH 侧栏里播放硬盘上的播客,自动记住进度,并且能转写、显示双语字幕、导出 SRT / Markdown。

音频只从本地磁盘读取,不上传、不依赖订阅源。转写和翻译默认走 DeepSeek API——装好插件填一个 key 就能用,不用先下载模型;想省钱的可以在设置里切到本地模型(MLX / sherpa-onnx),模型一键安装、离线运行。

单集详情:封面 + 双语字幕

功能

  • 单集详情:点任意一集进入详情页——左侧封面与信息,右侧直接显示字幕,转写后可切中英对照。
  • 本地播放:扫描文件夹(递归 6 层,支持 mp3 / m4a / m4b / aac / wav / flac / ogg / opus / weba / webm / wma),自动读标题、艺术家、封面。选中一个文件夹后只显示这一层的音频,子文件夹单独列出、点进去再看,顶部面包屑可以逐层跳回。
  • 续播:进度每 4 秒保存,切集 / 暂停 / 关闭时立即保存;重开从上次位置继续。
  • 转写:默认走 DeepSeek 语音识别 API,按识别时长付费(约 ¥0.4/小时),装好填个 key 就能用;也可以一键装本地 Qwen3-ASR-1.7B 模型离线转写,免费但吃本机算力。
  • 任务面板与批量:顶部「任务」查看队列、进度,可取消 / 重试;「选择」多选批量转写。
  • 长播客分块:云端整段转写 100 秒一块(接口单次上限 120 秒),实时跟播 12 秒一块,本地按设置里的分钟数切块;切点会吸附到静音处,取消或失败后从已完成块续跑,热词可在设置里维护。
  • 说话人分离:转写后自动分辨说话人(本地声纹,离线),字幕行带彩色「说话人 N」标签;字幕头部显示人数。实时跟播时说话人是边播边猜的,整集跑完再用整段结果校正一遍。
  • 收藏与筛选:每行 ★ 收藏;筛选条可按 未听 / 有字幕 / 收藏 过滤,和左侧分类叠加。
  • 双语字幕:点「字幕」打开面板,选「中文对照 / English」,只翻译另一种语言的行;点字幕行可以跳到对应时间。
  • 字幕存在本地:转写与译文都写在 <数据目录>/transcripts/<单集 id>.json(默认 ~/.podwave/transcripts/),关掉插件、升级插件都还在;文件改名或移动后,插件会按标题和时长把旧字幕认领回来,原文件归档到同目录的 .claimed/。
  • 字幕编辑:行悬停出现 ✎,就地改文本;按光标「拆分」、行尾 ⇣ 合并;「校验」在导出前检查空行、无效时间戳与时间重叠。工具栏的「Aa」点开有字号拖动条(12–42px),随时改字幕大小;导出收在「导出」菜单里(.srt / .md / 复制全文)。字幕面板自己也能拖大小:浮动时拖左/上边缘或左下角把手、详情页里拖底边,双击把手恢复默认。详情页左边栏和字幕之间那条竖线也能左右拖——左边的封面跟着缩放,双击恢复 240px。
  • 悬浮字幕:播放器右侧「字幕」菜单里勾「悬浮字幕窗」,浮出一个小窗,播到哪显示哪一句(带说话人和译文),可以拖到任意位置、按 Esc 关掉;位置和字号都会记住。
  • 移除索引:详情页「从播放器移除」或批量「移除选中」只隐藏该集,不动源文件。
  • 导入策略:设置里可选拖拽/路径导入是复制到 ~/.podwave/imports/(默认)还是原地引用;重复文件按路径与「文件名 + 大小」跳过。
  • 导出:字幕面板右上「导出」菜单里有 SRT、Markdown,以及直接复制全文。
  • 快捷键:空格 播放/暂停,← / → ±15 秒,↑ / ↓ 上/下一集,/ 搜索。
  • 收起侧栏:点侧栏顶部标题右边的 ‹ 收起,左上角 › 展开;状态记在 ~/.podwave/ui.json。面板被 DSH 挤窄时会自动收起侧栏,详情页改为上下布局。
  • 设置页:DSH 设置 → 播客,可以看已完成的转写历史、配置 DeepSeek API、选择转写与翻译模型、控制侧边栏入口是否显示。

实时字幕

有两种「边跑边看」的用法。

边播边出字幕(云端 API):这是默认行为,设置 → 播客 → 转写里的「边播边出字幕」开关控制。点播放时自动开始,按 12 秒一块滚动识别,并且优先取离当前播放位置最近的那一块——拖进度条也能跟上。每识别完一块就落盘一次,字幕、译文、说话人标签一起长出来;实测 70 秒素材 3.5 秒出第一屏,整集十秒左右完成。说话人是边播边猜的(在线声纹聚类),整集跑完后会用本地整段结果校正一遍。没装本地声纹模型时自动退化成「只出字幕和译文」。

手动转写时的进度:音频按块处理,每完成一块(或每 1/5)就把新字幕推进面板:

  • 字幕面板顶部显示进度:百分比、第几块、已出多少行,可随时取消;
  • 转写中就能在详情页滚动、点行跳转、导出当前已出的 SRT/Markdown;
  • 重转时旧字幕会备份,取消或失败自动还原。

本地模型的块大小可在设置 → 播客 → 转写里调整;块越小出字越快,块越大上下文越完整。云端整段转写 100 秒一块,实时跟播 12 秒一块(同一接口单次上限 120 秒)。

悬浮字幕窗:不想开着整个字幕面板的话,点播放器右侧的「字幕」菜单,勾上「悬浮字幕窗」,屏幕上浮一个小窗跟着播放显示当前这句。可以拖动位置、用窗里或字幕面板里的「字号」条改大小,两处字号是同一个设置;Esc 或 × 关掉,下次打开位置和字号都还在。

安装

需要 DeepSeek Harness >=0.2.1-rc.5。

从 Releases 下载最新的 dsh-podwave-*.tgz,然后:

dsh plugin --profile desktop add file:/path/to/dsh-podwave-0.6.0.tgz

也可以直接从源码目录装:

dsh plugin --profile desktop add file:/path/to/dsh-podwave

装完刷新 DSH,侧栏出现「播客」。

国内网络如果拉不到最新版本,是因为镜像站同步有延迟(npm 官方源发布后通常几分钟内可见,npmmirror 可能要几小时)。可以把 npm registry 指回官方源再装:npm config set registry https://registry.npmjs.org/。

转写与翻译(可选)

播放器本身不需要额外依赖。

走云端 API(默认):只要 ffmpeg + 一把 DeepSeek key。装好后在 DSH 设置 →「播客」→「一键安装」装上 ffmpeg,再去「DeepSeek API(转写与翻译共用)」填一次 key 即可——转写和翻译用的是同一份配置,不用填两遍。按识别时长计费,1 小时播客几毛钱。

走本地模型(免费、离线、吃算力):在设置 →「播客」→「转写」里把「转写方式」切到「本地模型」,点「一键安装本地模型」,会按平台自动选模型(Apple Silicon 用 MLX,Windows / Linux / Intel Mac 用 ONNX + llama.cpp)。下面的手动步骤只在自动安装失败时才需要。

下面是手动安装(以 Apple Silicon 为例):

uv venv ~/.podwave/runtime/.venv --python 3.12
uv pip install --python ~/.podwave/runtime/.venv/bin/python "mlx-qwen3-asr==0.4.4" mlx-lm sherpa-onnx

# 默认下载到项目文件夹里的 models/(npm 安装则是当前工作区的 models/,可在设置里改)
hf download mlx-community/Qwen3-ASR-1.7B-8bit --local-dir models/qwen3-asr-1.7b-8bit
hf download mlx-community/Hy-MT2-1.8B-4bit --local-dir models/hy-mt2-1.8b-4bit

# 说话人分离模型(约 34MB)
mkdir -p models/diarization && cd models/diarization
curl -LO https://github.com/k2-fsa/sherpa-onnx/releases/download/speaker-segmentation-models/sherpa-onnx-pyannote-segmentation-3-0.tar.bz2
tar xjf sherpa-onnx-pyannote-segmentation-3-0.tar.bz2
curl -LO https://github.com/k2-fsa/sherpa-onnx/releases/download/speaker-recongition-models/3dspeaker_speech_campplus_sv_zh_en_16k-common_advanced.onnx
  • 转写模型约 2.3 GB,翻译模型约 1 GB(Hy-MT2-1.8B,974 MB),说话人模型约 34 MB;只做播放、或者只用云端 API,都可以都不装。
  • 平台差异:Apple Silicon 用 MLX(上面的命令);Windows / Linux / Intel Mac 用 SenseVoice Small(约 240 MB)+ Hy-MT2 GGUF,虚拟环境是 .venv\Scripts\ 而不是 bin/,建议直接用「一键安装」。
  • 翻译可以不用本地模型:字幕面板 →「设置」→ 选 DeepSeek API,填 API key(默认 api.deepseek.com / deepseek-chat)。
  • 字幕面板 →「设置」里切换引擎;目标语言在字幕面板的「对照」下拉里选。

设置

DSH 设置 →「播客」:

  • 历史记录:所有已完成转写的单集(时长、语言、行数、位说话人、已翻语言、完成时间)。这张卡片默认收起,点标题栏展开,展开状态会记住。
  • 转写:转写方式(云端 API / 本地模型)、边播边出字幕开关、热词、分块时长(1–60 分钟,只对本地生效)、是否自动识别说话人,「一键安装本地模型」。
  • DeepSeek API(转写与翻译共用):API 地址 / 模型 / API Key,填一次转写和翻译都能用;翻译也可以切到本地模型。
  • 模型:在模型目录(默认是项目里的 models/)下已就绪的模型里选转写模型(ASR)与翻译模型。
  • 界面:开关「在主界面侧边栏显示播客入口」,保存后立即生效(不需要刷新)。
  • 导入与清理:选择复制/原地引用;清理没有被文件夹引用的 imports/ 批次。

用法

  • 添加文件夹:点面板左上 + → 「选择文件夹…」调用系统目录选择器;也可以直接把音频文件拖进面板(会复制到 ~/.podwave/imports/)。手动输入路径保留为备选。扫描在后台进行,状态显示在底部。
  • 播放 / 续播:点单集;刷新或重开 DSH 后接着上次位置。
  • 转写:点播放条右侧「转写」,完成后自动打开字幕面板。长播客需要时间(M4 上大约 5–10 倍实时速度)。
  • 翻译:字幕面板右上「对照」选目标语言;已有译文会直接显示,没有就自动开始翻。
  • 删除文件夹:侧栏文件夹右侧 ×,会移除该目录下的单集记录。

数据保存在 ~/.podwave/:state.json(媒体库/进度/收藏/隐藏)、config.json(统一配置)、jobs.json(任务记录)、transcripts/(字幕 v2)、covers/、models/、runtime/、imports/(拖拽导入的音频副本)。数据与配置的详细结构见 docs/ARCHITECTURE.md。

结构

src/host.js                /podwave/api/*:播放器、转写、翻译、字幕导出
src/state.js               状态读写(~/.podwave/state.json,原子写)
src/library.js             媒体库扫描(music-metadata)
src/transcribe.js          MLX Qwen3-ASR 调用、队列、字幕分行与导出
src/translate.js           翻译任务(DeepSeek API / 本地 MLX Qwen3)
src/diarize.js             说话人分离(sherpa-onnx,本地声纹)
src/models.js              模型目录扫描与选择(config.models)
src/config.js              统一配置(~/.podwave/config.json,迁移旧 ui/translate/models.json)
src/jobs.js                任务记录(~/.podwave/jobs.json,重启标 interrupted)
scripts/translate_local.py 本地翻译脚本(mlx_lm)
scripts/diarize.py         说话人分离脚本(sherpa-onnx)
client/src/                React 面板(App.jsx、SettingsPage.jsx、plugin.jsx、styles.css)
build.mjs                  PostCSS 作用域前缀 + esbuild 打包为 DSH client bundle
cordis.patch.yml           插件加载声明
docs/ARCHITECTURE.md       架构、数据格式、API 表
CHANGELOG.md               版本记录

版本变化见 CHANGELOG.md。

开发

npm install
npm run build          # 产物 dist/client.js

# 独立测试 profile(不影响 desktop)
dsh podwave-test --from-default-profile web --no-open --port 4790
dsh plugin --profile podwave-test add file:$PWD

限制

  • 还没有 RSS / 在线流订阅,只播放本地文件。
  • 实时的说话人标签是在线聚类猜出来的,边界处可能串;播完会用整段结果校正。暂不支持手动改名或合并说话人。
  • 实时跟播是「12 秒一小块滚动识别」,不是真流式(接口不支持流式),所以字幕会比声音慢几秒;长停顿、音乐段落的切点偶尔仍会切在句中。
  • 本地翻译是 Hy-MT2-1.8B 4bit(约 1 GB),轻量、快;长句质量仍不如 API,重要内容建议用 DeepSeek API 翻。

路线图

  • 转写:本地 MLX Qwen3-ASR(中英混合),词级时间戳
  • 双语字幕:本地 Hy-MT2-1.8B / DeepSeek API
  • 导出 SRT / Markdown
  • 系统文件夹选择器与音频拖拽导入
  • 说话人分离与说话人标签
  • 跟播预转写(边播边出字幕)
  • RSS / 在线播客订阅

License

MIT

开发与发布

npm install
npm test          # node:test 单元测试
npm run build     # 构建 dist/client.js
node scripts/release.mjs 0.9.1   # 改版本号 → 测试 → 构建 → 打包 → commit/tag/push/Release

CI(GitHub Actions)在每次 push / PR 跑 npm test 与 npm run build。

环境与模型(跨平台)

设置 → 播客 → 「环境与模型」会扫描本机,给出推荐引擎与缺失组件:

平台转写翻译
macOS Apple SiliconQwen3-ASR-1.7B-8bit(MLX)Hy-MT2-1.8B-4bit(MLX)
Windows / Linux / Intel MacSenseVoiceSmall int8(sherpa-onnx)Hy-MT2-1.8B-Q4_K_M(llama.cpp)
  • 下载线路可选「自动测速 / 国际(Hugging Face、GitHub)/ 国内(hf-mirror、gh-proxy、ModelScope)」。
  • 「一键安装」会准备 uv 与 Python 虚拟环境、安装 sherpa-onnx(MLX 平台额外装 mlx-qwen3-asr、mlx-lm)、下载 llama.cpp 预编译包和缺失模型,并在完成后列出每项内容与体积。
  • 模型默认保存在项目文件夹的 models/(npm 安装为当前工作区的 models/,老用户已有 ~/.podwave/models 会继续沿用),运行时在 ~/.podwave/runtime;位置可在设置里改,卸载插件不会删除这些文件。
  • 注意:Hy-MT2 1.25bit GGUF 是自定义量化,主线 llama.cpp 加载会报 failed to read tensor data,所以非 MLX 平台用 Q4_K_M。

Windows 需要准备什么

  • 安装中心会自动下载 ffmpeg(约 202 MB)、llama.cpp(约 25 MB)、SenseVoice(约 239 MB)与 Hy-MT2-Q4_K_M(约 1.1 GB),合计约 1.6 GB,建议预留 3 GB 磁盘。
  • Windows 10 及以上自带 tar 与 powershell,解压和文件夹选择器无需额外安装。
  • 安装时会校验下载文件的 sha256(GitHub Release 官方 digest / Hugging Face LFS),并拒绝含 .. 或绝对路径的压缩包;macOS 没有 ffmpeg 时会尝试通过 Homebrew 安装。
  • 首次安装完成后,设置页会列出每项下载内容与体积;模型默认在项目里的 models/,运行时在 ~/.podwave/runtime。

小宇宙

侧栏「小宇宙」可以连接小宇宙账号,浏览订阅并在线播放。

小宇宙没有开放 API,插件使用账号的 refresh token 读取数据,token 只保存在本机(~/.podwave/xyz.json,权限 600)。

获取 refresh token

  1. 点插件里的「打开小宇宙网页」,用手机 App 扫码登录 https://www.xiaoyuzhoufm.com 。
  2. 按 F12 打开开发者工具 → Network,刷新页面。
  3. 点任意一个 web-api.xiaoyuzhoufm.com 的请求,在 Request Headers 里复制 x-jike-refresh-token。
  4. 粘贴到插件里点「连接」。

在线单集可以点「下载并转写」:插件会先把音频下载到 ~/.podwave/xyz-media,再用本地 ASR 生成字幕,过程在任务面板里可见。

不想登录也没关系:小宇宙页的「公开播客」支持粘贴任意播客链接(https://www.xiaoyuzhoufm.com/podcast/…),可以直接浏览并播放公开单集。

注意:这是第三方逆向接口,有极小概率触发账号风控;音频与逐字稿版权归原平台与创作者所有,仅建议个人收听使用。短信验证码登录已被平台限制,界面作为降级选项保留。

Comments

Loading…

Similar plugins

qiaomu-subcast-dsh

by joeseesun

声渡 · 在 DeepSeek Harness 里听播客、读双语字幕、问单集。 · Podcasts, bilingual transcripts, and episode Q&A for DeepSeek Harness.

Manifest valid

★ 4

AGPL-3.0

TypeScript

Nov 18, 2026

dsh plugin --profile web add qiaomu-subcast-dsh

by dingchenhui0618-arch

Event sound pad for DeepSeek Harness: bind test/build/recording/publish outcomes to local audio files, preview, one-click mute, and mute profiles that follow the current app. Reads local audio only.

UI & ExperienceManifest valid

★ 0

MIT

JavaScript

Nov 17, 2026

dsh plugin --profile web add dsh-sfx-pad

by QDchuan

Voice input for DeepSeek Harness: a microphone seat in the composer and a Web settings page that transcribes through the browser or any OpenAI-compatible /audio/transcriptions endpoint, with a fully o

Manifest valid

★ 0

MIT

JavaScript

Sep 12, 2026

dsh plugin --profile web add dsh-voice-input

by Jesse-njx

Voice notes in, spoken answers out — dictate audio that becomes user messages (transcribe), have the agent read replies aloud (speak), and leave walk-away narration on long headless runs. Local-first:

Tools & CapabilitiesVision & MultimodalManifest valid

★ 3

MIT

TypeScript

Aug 13, 2026

dsh plugin --profile web add @dsh-voice/bundle

by 3274375092

Voice input plugin for DeepSeek Harness: mic → local/browser speech recognition → text submitted as a normal chat message. Input-only and preset-agnostic.

UI & ExperienceManifest valid

★ 8

↓ 132/wk

MIT

TypeScript

Oct 1, 2026

dsh plugin --profile web add @nn12138/dsh-voice

by 18301301961

Live streaming voice input for DeepSeek Harness — real-time captions in the composer, local SenseVoice + Silero VAD, optional model-assisted correction.

Manifest valid

★ 0

JavaScript

Nov 13, 2026

dsh plugin --profile web add dsh-voice-live