夜雨聆风学习资料网

ARTICLE · 1398217

3 个语音插件,把说话变成输入

3 个语音插件,把说话变成输入

为了保证公众号的推文能够第一时间及时送达到大家手上,大家记得关注公众号后 加星标置顶,公众号每天会送上 3 个 DSH 插件 以及1个 AI 工具 给大家学习!

3 个语音插件,把说话变成输入

打字打累了会想说话。可真到用的时候,语音输入常常卡在同一个地方:识别完之后还得手动改错字,改完再按发送。

这三款 DSH 插件分别处理这条链路上的一截。有的全程不按发送键,有的转写完先帮你润色,有的只管把回答念出来。

1

一、dsh-voice-mode:整轮对话不用碰键盘

2026 年 11 月 18 日更新,已跟进到 dsh 0.2.2-rc.5。

点一下麦克风就能完整说一轮。说话时实时出字,停顿约 1500 毫秒断句进草稿,再静音约 1.2 秒自动发送,合计大约 2.7 秒。回答按句朗读,字幕跟着走,朗读途中出声就能打断。

识别在宿主端本地推理,zipformer2 做流式、SenseVoice 定稿,不需要额外的语音 API Key。朗读默认走 Edge 云端,也可以换成本地 VITS 或 Kokoro。

设置面板里能调的东西不少:唤醒词(比如「你好小D」,词头会自动剥掉不进消息)、自动发送开关、字幕字号与宽度、短应答让位。

最后这个有点意思:朗读期间你说一句「嗯」「对」,它会跳过当前那句 TTS,等你真的要说再接管。

https://github.com/qishuilalala/dsh-voice-mode

语音插件的设置页:唤醒词、自动发送、字幕字号与宽度、短应答让位,都能单独开关

作者很克制地标了一句:兼容性复核不等于真实麦克风验收。遇到回声或噪声大的环境,建议改用按住说话。

2

二、dsh-ears:转写完先润色再给你

和上一款最大的区别是它不自动发送。转写结果一律写进可编辑草稿,你过一眼再决定。

它支持几种识别后端:浏览器 Web Speech 是默认项,也能换成本地 Whisper(设置页下载 GGML 模型),或者 Groq、Deepgram 这类在线 ASR 服务。

润色开启后,原始转写先落草稿,润色完成再更新一遍,中间你手动改的内容不会丢。

还有一个细节:所选后端没就绪时,麦克风图标会变灰,鼠标悬停能看到原因,不会让你对着灰按钮乱点。

https://github.com/WizisCool/dsh-ears

dsh-ears 官方横幅:一只立体耳朵接上声波,右边写着 voice input for text-only LLMs

适合说话没条理、需要 AI 整理一遍的人。代价是它比语音模式多一步确认,快节奏场景反而慢。

3

三、dsh-plugin-tts:把回答念出来,还能用自己的声音

方向反过来,管的是输出。

每条最终回复的操作行里多一个朗读按钮,点一下念,按钮显示动态均衡器,再点停。输入框旁有自动朗读开关。长回复走自适应分块播放,中间不留缝。

具体怎么用:装在 web profile 之后刷新界面,朗读按钮出现在每条已生成回复的复制、反馈那一排里。

想让它自动念,就打开输入框工具栏里那个自动朗读开关,之后每条新回复结束都会自己播。设置入口在「设置 → 插件 → 语音」,所有音色和参数都在那一页。

要是只用默认 Edge,装完就能听,不用申请任何 Key。想换音色才需要往下配,那一步在同一个面板里选供应商,填服务地址和音色文件。

音色这块给得很足:默认 Edge 免费在线,22 个实测可用的音色,默认是晓萱。

也支持自己的 RVC 模型、本地 Index-TTS2 参考音频、CosyVoice 零样本克隆、GPT-SoVITS,以及付费的 Google Cloud TTS。

这几种音色的门槛差得很远。Edge 装完就能听,RVC 和 CosyVoice 要先自己训练或准备参考音频,适合对口播音色有要求的人。

用自己声音的代价也在这里:训练一套 RVC 模型要准备素材、跑训练,不是装个插件就完事。

音色包可以在仓库里一键装,不用自己配运行时。语速、音高、音量也都在设置面板里能调,预览时输入一句按播放就能听。

https://github.com/1624318455/dsh-plugin-tts

适合长时间盯屏幕累的人,或者想边做别的事边听回答的人。

如果只是偶尔听一段,Edge 那档就够了,不必为了音色去折腾本地模型。缺陷也明显:读中文技术词时,断句和英文发音都算不上好,长篇听下来容易累。

三款里只有第一款做到完全免手。这也意味着它最依赖设备和环境,风噪大、回声重的房间未必好用;作者自己在 README 里就把「全平台验收」划在了未完成的一侧。

另外两款各留了一步人工确认,反而更稳。转写或朗读出问题时,你总还来得及改。

一个现实提醒:本地识别和本地朗读都要吃机器资源,老笔记本上跑 Whisper 或 VITS,发热和风扇声可能比打字更吵。

--完--

~

读到这里说明你喜欢本公众号的文章,欢迎 置顶(标星)本公众号 婷瞳,这样就可以第一时间获取推送了~

觉得内容还不错的话,给我点个“在看”呗

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料