@haoku123/dsh-voice

主要功能

• 支持点按切换或按住说话（发送键/Ctrl）两种语音输入方式，并显示实时字幕。
• 宿主端使用 SenseVoice（sherpa-onnx）进行语音识别，原生支持简体中文、标点及逆文本正规化（ITN）。
• AI 回复按句流式合成并朗读（Edge TTS），通过 SSE 推送到前端。
• 真正的打断（barge-in）：用户开口说话即停止播放并取消正在进行的回合。
• 内置 ASR 模型缓存代理，支持断点续传及自定义 Hugging Face 镜像。
• 连续对话模式下基于 RMS 的静音检测自动分段，全程无需 API key。

适合什么时候用

• 希望在 DSH Web UI 中免打字、用语音与 AI 对话的场景。
• 以中文为主、需要高准确率语音识别（含标点与 ITN）的用户。
• 需要在 AI 正在朗读回复或推理时随时打断并重新发言的实时交互场景。

安装后会多出什么

使用前需要

• 需要 DSH Web UI（web profile）及配套依赖 @deepseek-ai/cordis、@deepseek-ai/dsh-web。
• Node.js 版本需 ≥22.19 或 ≥24（需 node:zlib 的 zstd API）。
• 首次使用需从 Hugging Face（或可配置的镜像，如 hf-mirror.com）下载语音识别模型文件。
• 浏览器需授予麦克风权限，并依赖浏览器级回声消除（无 JS 层 AEC）。