dsh-hear
在终端中运行以下命令:
dsh plugin install FlyingCharon/dsh-hear
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 中执行 dsh plugin install FlyingCharon/dsh-hear,或从 https://github.com/FlyingCharon/dsh-hear 获取源码后按设置完成本地安装。
插件介绍
在 DSH 里跑的 Agent 往往只能读文字,却听不到语音里真正藏着的意图:对方在急还是在笑、话说得快不快、背景有没有杂音。鱼鱼的耳朵(dsh-hear)就是给 Agent 装一对耳朵——听完一段音频后,不只概括「大概讲了什么事」,还会尽量说清楚「是怎么讲的」,包括语气、语速、停顿和背景里的声音;听不出来会直说听不出来,不硬编。
插件把听音拆成两档:小模型 SenseVoice 负责转写和识别音乐、笑声等声音事件,几乎不占显存;大模型按需加载,专门处理听感理解,用完即卸。支持 wav、mp3 和 QQ 的 silk。听完会写入记忆(听来的与自己说出去的分开),需要时用 hear_recall 主动翻,不会自动塞进上下文。
若你把 QQ 和 DSH 桥接起来,它可以盯着桥接目录里的语音文件,听完把结论交给 Agent,至于回文字还是语音由 Agent 自己定。适合在 Windows 上跑 DSH、希望 Agent 能「听懂」语音而不只是堆转写文本的人;有 NVIDIA 显卡(约 6G 显存起)可本地跑理解区,没有显卡也能先用快速区并把理解区接到云端。听感结论来自模型,会有偏差,细节别当百分之百的事实。
使用场景
- QQ 桥接目录新进语音,需要 Agent 知道说了什么、语气如何再决定是否回复
- 手头一段 wav 或 mp3,想快速得到内容概括和语速停顿背景,而不是纯逐字稿
- 隔几天要回忆某次语音听的结论,用 hear_recall 从记忆里翻出来
适合人员
- 在 Windows 上用 DSH,希望 Agent 能处理语音而不只靠文字上下文
- 已接或计划接 QQ 语音桥接,要把听的结论递回给 Agent
- 有 NVIDIA 显卡做本地听感,或愿意把理解区接到云端接口