dsh-voice-input

DSH 桌面端语音输入插件：输入框右下角麦克风按钮，录音转文字后插入输入框草稿，可编辑再发送。

• 录音在浏览器侧完成（getUserMedia），经 DSH 内置 webserver 的同源路由转发到 ASR 网关
• API key 只在 host 侧解析，永不进入浏览器进程
• 识别文本先插入草稿，可手动修改后再发送

原理

1. 麦克风权限：DSH 桌面端主进程默认只放行剪贴板权限，浏览器侧 getUserMedia 会直接 NotAllowedError。本插件在主进程用 Electron 原生 API 重设每个窗口 session 的 permission handler，放行 media（保留原剪贴板规则，后设者生效，不改 DSH 本体）。
2. ASR 路由：注册同源路由 POST /voice-asr/transcribe，接收 { audioBase64, mime }， host 侧解析 key 后以 OpenAI 兼容 chat/completions 调 ASR 模型 （input_audio base64 Data URL），返回 { text }。路由仅接受回环来源请求。

安装

1. 把本仓库放到固定位置，例如 ~/.dsh/profiles/desktop/voice-input
2. 在 ~/.dsh/profiles/desktop/package.json 中：
   • dependencies 增加 "dsh-voice-input": "link:<绝对路径，用正斜杠>"
   • dsh.profile.bundles 增加 "dsh-voice-input"
3. 把本仓库 cordis.patch.yml 的内容追加进 ~/.dsh/profiles/desktop/cordis.patch.yml （记得把 baseURL 填成你的 ASR 网关）
4. 在 profile 目录执行 pnpm install，重启 DSH

配置（cordis.patch.yml）

键	默认	说明
baseURL	""	OpenAI 兼容 ASR 网关地址（必填）
model	qwen3-asr-flash	ASR 模型名
apiKeyEnv	ALIYUNBAILIAN_API_KEY	key 的环境变量名（host 侧解析）
language	zh	识别语言
routePath	/voice-asr/transcribe	同源路由路径
maxBodyBytes	15728640	音频大小上限（15 MB）

测试

ASR_BASE_URL=<你的网关> node scripts/test-asr.mjs

License

MIT