dsh-qwen-asr
在终端中运行以下命令:
dsh plugin install wsdfgf/dsh-qwen-asr
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 侧边栏打开「插件」,执行 dsh plugin install wsdfgf/dsh-qwen-asr,或从 https://github.com/wsdfgf/dsh-qwen-asr 的 Releases 下载包后在插件页「添加插件」本地安装。
插件介绍
在 DeepSeek Harness 里直接聊录音、会议或采访素材时,模型往往读不到音频内容。本插件把千问官方 DashScope 语音识别接到 DSH:你在对话里上传常见格式音频,Host 会在模型看到消息前完成转写,并把文字附在附件之后,让后续回答真正基于「说了什么」。
默认走异步长音频链路(临时上传、提交任务、轮询结果),单文件可至百炼临时存储上限 1 GB,不必再在本地切分。也支持切换到同步内联模式,适合不超过约 10 MB、5 分钟内的短语音。转写失败不会打断对话,只会附上失败说明。
除自动注入外,还提供 qwen_transcribe_audio 工具:返回识别原文与接口原始 JSON(过长会截断),便于核对、调试或需要保留完整模型输出时使用。API Key 可从环境变量或插件配置页填写,并可调整接口类型、模型、语言、超时与是否自动转写等。
适合需要把语音快速变成可对话文本的 DSH 用户:整理录音要点、做听写辅助、在 Agent 流程里让模型引用转写内容;若需生产级大流量或长期托管文件,README 也提醒应改用 OSS 公网 URL 等更稳妥方案。
使用场景
- 聊天里上传会议或采访录音,让模型根据转写内容提炼要点
- 长音频走异步转写,无需本地切分即可处理大文件
- 需要核对识别细节时,通过工具获取原文与千问接口原始 JSON
适合人员
- 在 DSH 中处理语音素材、希望模型能读懂录音内容的用户
- 需要听写、纪要或语音问答工作流的个人与团队
- 集成千问 ASR、可调接口与超时参数的开发者