dsh-voice-input

LIMITATIONS

已知限制

- **本地方案在 CPU 上是 0.7× 实时**：5.55 秒语音约 7.5 秒转完。短句听写没问题，长录音要等；想更快就按 `local-asr/README.md` 里写的方式开 GPU。 - **本地服务要自己启动** —— 但现在可以是页面里的一下：`local-asr/start.ps1` 是前台进程，关掉窗口服务就停了。装好 `localAsrDir` 后，设置页的「启动本机 Whisper」会把它拉起来并轮询到就绪；没装的话页面会如实报告「本机 8081 / 8080 / 8000 / 9000 上都没有转写服务在监听」。 - **Ollama 目前不能转写**：它的音频接口要求模型带音频投影（audio / mmproj），而 0.34 的官方模型库里没有这样的模型（`gemma3n:e2b` 实测是纯文本转换）。插件的上传前校验会把这件事讲清楚。 - **「服务起来了」和「能转写」是两件事**：`ollama.start` 会在 15 秒内如实回答「本来就在跑 / 刚起来 / 起不来」，但一台跑着 4 个文本模型的 Ollama 依然一个字都转不了。所以选完 Ollama，页面会接着读一遍模型清单，没有能听的模型就直接给红字结论 + 「改用本机 Whisper」按钮；录音失败时状态条也给同一个按钮。 - **Ollama 的对话模型不适合直接转写**：`/v1/audio/transcriptions` 在 Ollama 那边走的是聊天模板，所以插件会在没配置「提示词」时补一句「只输出转写文本」。若你改了提示词，请保留这句话。 - **`model_info` 探测有预算**：模型超过 16 个时，只判定前 16 个（当前配置的模型优先），其余标为「未检测」而不是「仅文本」。 - **新建会话的第一屏没有麦克风**：`conversation.input.left` 与 shell 自带的回形针按钮受同一条约束（`sessionId === undefined` 时不渲染）。选中工作区/进入会话后即出现。 - **转录不进会话记录**：转写只是写进输入框，和键盘输入没有区别；插件不保存音频，也不保存历史记录。 - **不能用语音操作模型侧的会话**：录音是浏览器交互，模型无法替你按下麦克风。它只能回答「为什么不能用」。 - **浏览器引擎不显示电平**：`SpeechRecognition` 自己占着麦克风，拿不到音频流，所以那条路径用脉冲点代替电平条。 - **取消是即时的，上传不是**：转写请求一旦发出无法撤回（没有取消上传的按钮），Esc 只在录音阶段有效。 - 已经加载过客户端 bundle 的 profile 需要**刷新页面**才能拿到新版本。