@goodandready/dsh-voice 0.5.0 → 0.6.1

package/README.md

@@ -40,6 +40,32 @@ Keys are read through the DSH credentials service (Settings → Credentials, or
 `$DSH_HOME/.credentials.yaml`), falling back to the process environment. A
 provider without a key is skipped, not fatal.
 
+### Ready-made providers
+
+Six providers are filled in already — put the name in a chain and add the key:
+
+| Name | Model | Credential |
+|---|---|---|
+| `openai` | `whisper-1` | `OPENAI_API_KEY` |
+| `siliconflow` | `FunAudioLLM/SenseVoiceSmall` | `SILICONFLOW_API_KEY` |
+| `deepinfra` | `openai/whisper-large-v3-turbo` | `DEEPINFRA_API_KEY` |
+| `fireworks` | `whisper-v3-turbo` | `FIREWORKS_API_KEY` |
+| `mistral` | `voxtral-mini-latest` | `MISTRAL_API_KEY` |
+| `openrouter` | `google/gemini-2.5-flash` | `OPENROUTER_API_KEY` |
+
+```yaml
+- id: dsh-voice
+  config:
+    message:
+      chain:
+        - provider: openai
+        - provider: local-whisper
+```
+
+Every endpoint was probed without a key before being written down: all six answered `401`, the answer of a path that exists and wants credentials. The model ids are starting points — override `model` in a chain row to change one.
+
+A preset is the same form as a custom provider with the fields filled in, so a `customProviders` entry under the same name replaces it outright.
+
 ### Your own providers
 
 Any OpenAI-compatible API can be added as a provider and used in the chains

package/lib/client.js

@@ -125,6 +125,18 @@ window.__ModuleLoader__.load({
       actions.setDraft(draft ? draft + ' ' + text : text)
     }
 
+    // Объявление о том, что человек заговорил.
+    //
+    // Нужно, чтобы озвучка немедленно замолчала: слушать ответ и говорить
+    // одновременно невозможно, а перекрикивать собственный плагин — глупо.
+    // Связи между плагинами нет: голос кричит в окно, кто хочет — слышит.
+    // Поэтому оба плагина работают и поодиночке.
+    function announceVoice(phase) {
+      try {
+        window.dispatchEvent(new CustomEvent('dsh-voice:speaking', { detail: { phase } }))
+      } catch (noEvents) { /* окна нет — значит и слушать некому */ }
+    }
+
     // ------------------------------------------------- распознавание в браузере
     //
     // Отдельная нога, не похожая на все остальные: речь распознаёт сам браузер,
@@ -318,6 +330,9 @@ window.__ModuleLoader__.load({
 
     function startRecording(mode) {
       if (voice.phase !== 'idle' && voice.phase !== 'error') return
+      // Кричим до открытия микрофона, а не после: чем раньше замолчит
+      // озвучка, тем меньше её попадёт в запись.
+      announceVoice('start')
       voice.set({ phase: 'recording', mode, error: '', levels: [], caption: '' })
       modeChain(mode).then((info) => {
         // Браузерная нога — только если её прямо поставили первой в цепочке.
@@ -399,6 +414,7 @@ window.__ModuleLoader__.load({
     }
 
     function cancelCurrent() {
+      announceVoice('end')
       if (voice.browser) {
         voice.browser.abort()
         voice.browser = null
@@ -418,6 +434,7 @@ window.__ModuleLoader__.load({
     // Останов по второму нажатию: диктовка досылает хвост, голосовое —
     // отправляет всю запись и открывает окно отмены.
     function stopCurrent() {
+      announceVoice('end')
       if (voice.browser) {
         const mode = voice.mode
         const said = (voice.browserFinals || []).join(' ').trim()
@@ -636,10 +653,20 @@ window.__ModuleLoader__.load({
     }
 
     // ------------------------------------------------------- settings page
-    const BUILTIN = ['browser', 'deepgram', 'groq', 'hf', 'local-whisper']
+    const BUILTIN = [
+      'browser', 'deepgram', 'groq', 'hf', 'local-whisper',
+      // Заготовки: адрес и модель уже прописаны на хосте, нужен только ключ.
+      'openai', 'siliconflow', 'deepinfra', 'fireworks', 'mistral', 'openrouter',
+    ]
     const TEMPLATES = ['openai-transcriptions', 'openai-chat-audio']
     const MODEL_HINT = {
       browser: 'распознаёт сам браузер, ключ не нужен',
+      openai: 'whisper-1 · ключ OPENAI_API_KEY',
+      siliconflow: 'FunAudioLLM/SenseVoiceSmall · ключ SILICONFLOW_API_KEY',
+      deepinfra: 'openai/whisper-large-v3-turbo · ключ DEEPINFRA_API_KEY',
+      fireworks: 'whisper-v3-turbo · ключ FIREWORKS_API_KEY',
+      mistral: 'voxtral-mini-latest · ключ MISTRAL_API_KEY',
+      openrouter: 'google/gemini-2.5-flash · ключ OPENROUTER_API_KEY',
       deepgram: 'nova-2', groq: 'whisper-large-v3-turbo',
       hf: 'openai/whisper-large-v3', 'local-whisper': 'задаётся при запуске сервера',
     }

package/lib/index.js

@@ -18,7 +18,7 @@ import { credentialRef } from '@deepseek-ai/dsh-credentials'
 import { readFile, stat } from 'node:fs/promises'
 import path from 'node:path'
 import { runChain } from './chain.js'
-import { makeProviders, PROVIDER_KEYS, DEFAULT_MODELS, CUSTOM_TEMPLATES } from './providers.js'
+import { makeProviders, PROVIDER_KEYS, PRESET_KEYS, KNOWN_KEYS, DEFAULT_MODELS, CUSTOM_TEMPLATES } from './providers.js'
 import { toWav16k } from './wav.js'
 
 export const name = 'dsh-voice'
@@ -26,8 +26,9 @@ export const inject = ['tools', 'credentials', 'webServer', 'shell', 'settings']
 
 const ChainEntry = z.object({
   provider: z.string().default('local-whisper')
-    .description(`Provider key: one of ${PROVIDER_KEYS.join(', ')}, `
-      + 'or the name of an entry from customProviders. '
+    .description(`Provider key. Built in: ${PROVIDER_KEYS.join(', ')}. `
+      + `Ready-made, just add the key: ${PRESET_KEYS.join(', ')}. `
+      + 'Or the name of an entry from customProviders. '
       + '"browser" recognises speech in the page itself — no key, no upload to this host, '
       + 'text appears while you speak; put a normal provider after it as a fallback.'),
   model: z.string().default('')
@@ -187,7 +188,7 @@ export function apply(ctx, baseConfig) {
     const models = {}
     const order = []
     for (const entry of Array.isArray(modeCfg.chain) ? modeCfg.chain : []) {
-      if (!PROVIDER_KEYS.includes(entry.provider) && !customKeys.includes(entry.provider)) continue
+      if (!KNOWN_KEYS.includes(entry.provider) && !customKeys.includes(entry.provider)) continue
       order.push(entry.provider)
       // Для своего провайдера модель по умолчанию живёт в его описании,
       // подставит makeProviders — здесь пусто означает «бери оттуда».
@@ -211,7 +212,7 @@ export function apply(ctx, baseConfig) {
         whisperRunning: await whisperAlive(),
         // Клавиша нужна браузерной половине: она вешает обработчик удержания.
         hotkey: cfg.hotkey,
-        providers: PROVIDER_KEYS.concat(
+        providers: KNOWN_KEYS.concat(
           (Array.isArray(cfg.customProviders) ? cfg.customProviders : [])
             .map((c) => String(c && c.key || '').trim()).filter(Boolean),
         ),

package/lib/providers.js

@@ -13,6 +13,60 @@ export const PROVIDER_KEYS = ['browser', 'deepgram', 'groq', 'hf', 'local-whispe
 // /audio/transcriptions вовсе, и распознавание там идёт через чат.
 export const CUSTOM_TEMPLATES = ['openai-transcriptions', 'openai-chat-audio']
 
+// Готовые провайдеры: то же самое, что свой провайдер, только адрес, модель и
+// имя ключа уже проставлены. Нужен лишь ключ.
+//
+// Каждый адрес проверен запросом без ключа: все отвечают 401 «дайте ключ», то
+// есть путь существует. Модель — разумная отправная точка, её можно заменить
+// в строке цепочки, не трогая остальное.
+//
+// Своим провайдером с тем же именем можно перекрыть любую заготовку целиком:
+// это не встроенный движок, а всего лишь заранее заполненная анкета.
+export const PRESET_PROVIDERS = {
+  openai: {
+    template: 'openai-transcriptions',
+    baseURL: 'https://api.openai.com/v1',
+    model: 'whisper-1',
+    keyEnv: 'OPENAI_API_KEY',
+  },
+  siliconflow: {
+    template: 'openai-transcriptions',
+    baseURL: 'https://api.siliconflow.cn/v1',
+    model: 'FunAudioLLM/SenseVoiceSmall',
+    keyEnv: 'SILICONFLOW_API_KEY',
+  },
+  deepinfra: {
+    template: 'openai-transcriptions',
+    baseURL: 'https://api.deepinfra.com/v1/openai',
+    model: 'openai/whisper-large-v3-turbo',
+    keyEnv: 'DEEPINFRA_API_KEY',
+  },
+  fireworks: {
+    template: 'openai-transcriptions',
+    baseURL: 'https://api.fireworks.ai/inference/v1',
+    model: 'whisper-v3-turbo',
+    keyEnv: 'FIREWORKS_API_KEY',
+  },
+  mistral: {
+    template: 'openai-transcriptions',
+    baseURL: 'https://api.mistral.ai/v1',
+    model: 'voxtral-mini-latest',
+    keyEnv: 'MISTRAL_API_KEY',
+  },
+  // У OpenRouter нет /audio/transcriptions вовсе — только через чат.
+  openrouter: {
+    template: 'openai-chat-audio',
+    baseURL: 'https://openrouter.ai/api/v1',
+    model: 'google/gemini-2.5-flash',
+    keyEnv: 'OPENROUTER_API_KEY',
+  },
+}
+
+export const PRESET_KEYS = Object.keys(PRESET_PROVIDERS)
+
+/** Все имена, которые можно ставить в цепочку без объявления своего провайдера. */
+export const KNOWN_KEYS = PROVIDER_KEYS.concat(PRESET_KEYS)
+
 const CHAT_AUDIO_PROMPT =
   'Transcribe the audio verbatim. Reply with the transcript text only, '
   + 'without comments, quotes or formatting.'
@@ -225,11 +279,19 @@ export function makeProviders(deps, req) {
   }
 
   const out = { browser, deepgram, groq, hf, 'local-whisper': localWhisper }
+
+  // Заготовки: те же свои провайдеры, только анкета заполнена заранее.
+  for (const key of PRESET_KEYS) {
+    if (out[key]) continue
+    out[key] = customProvider({ ...PRESET_PROVIDERS[key], key })
+  }
+
   for (const spec of Array.isArray(cfg.customProviders) ? cfg.customProviders : []) {
     const key = String(spec && spec.key || '').trim()
-    // Встроенные не перекрываем: иначе опечатка в имени тихо подменит рабочего
-    // провайдера в чужой цепочке.
-    if (!key || out[key]) continue
+    // Встроенные движки не перекрываем: опечатка в имени тихо подменила бы
+    // рабочего провайдера в чужой цепочке. А заготовку перекрыть можно — она
+    // для того и заготовка, чтобы её правили.
+    if (!key || PROVIDER_KEYS.includes(key)) continue
     out[key] = customProvider({ ...spec, key })
   }
   return out

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@goodandready/dsh-voice",
-  "version": "0.5.0",
+  "version": "0.6.1",
   "description": "Voice input for DeepSeek Harness: dictation chunked by pauses and voice messages, each with its own provider fallback chain (Deepgram, Groq, HuggingFace, local whisper.cpp, plus any OpenAI-compatible API of your own).",
   "license": "MIT",
   "type": "module",