dsh-minimax-asr

在 DeepSeek Harness 里，语音一直是个空白：让模型理解一段录音、任务结束后用喇叭念一句凝练的结论、或者完全不用手就完成一轮对话，过去都得自己搭。dsh-minimax-asr 把 MiniMax 的 asr-1.0 语音识别和 speech-2.8-hd 语音合成接成 Harness 全局插件，一次性补齐了从听、说到转写、播报的完整语音管线。它为模型注册了一个 transcribe_audio 工具，接受 wav、mp3、flac、opus、ogg 等格式，输出可以是纯文本、带说话人和词级时间戳的 verbose_json、srt 或 vtt；浏览器里，输入框旁多了一个麦克风按钮，两下点击完成录音、转写、追加草稿；每轮任务结束时，模型会调用 announce_speech 写一句专为耳朵设计的口语简报，经 SSE 推送给浏览器，用 TTS 念出来，绝不把正文念一遍。

完整免手模式是「对话」按钮：点一下，麦克风自动打开，自适应能量门限（噪声三倍、下限 0.0025、上限 0.03）判断你何时停顿，1.2 秒静音即视为一句结束，自动转写并提交；模型思考期间麦克风关闭，避免录回喇叭声；回复念完的那一刻麦克风重新为你打开，轮次计数显示在按钮上。30 秒无人说话就释放麦克风并暂停循环，不浪费额度。音色方面，插件从 MiniMax 拉取当前账号的全部 303 个系统音色，按语言分组，支持在线试听后再保存；凭据经 credentials seam 逐次解析，默认读 MINIMAX_API_KEY，放在配置文件或环境变量里均可。

适合日常用 DeepSeek Harness 做工程、写代码或跑研究的开发者：如果你经常把会议录音、播客片段或随手口述的想法喂给 agent，或者想在散步时用语音发起任务、听完结论再决定是否深挖，这个插件就是为那种场景造的。也适合想快速评估 MiniMax ASR 与 TTS 接口的团队——本地四条路由加一个实时诊断页，不用自己起服务就能把整条链路跑通、把电平门限和浏览器接线状态看得清清楚楚。