用语音输入给这期节目下指令

主播用语音输入口述对节目的要求：主题是给 DeepSeek Harness 做的定制，要总结解决了哪些问题、具体做法与效果，字数控制在一两千，并保留这段原声。

需求从一句话长成一串

最初只想在 DSH 里说话直接进输入框，后来扩展到按住说话与点按切换、整句上屏、录音与文字对应、开机自启托盘常驻，且不能影响微信快捷键。第一版做成插件后因限制太多推翻，改为独立 Windows 常驻程序。

识别换大模型，合成接九号女声

程序录音后本地识别，整句粘贴到焦点窗口，录音存 WAV 并写索引保留三天。因精度不满意换成 FireRedASR2，1.1 亿参数，RTX 3060 上单句一到两秒并能加标点；再接 IndexTTS 用九号女声合成。

键盘钩子、微信快捷键与托盘菜单的坑

底层键盘钩子卡住 Win 键、影响微信 Ctrl+Alt，改成轮询按键后恢复；托盘菜单点外面不消失，换成系统原生菜单；DSH 生成回答期间没有输入框，录音只能先存档等空闲。

现在能用的样子与遗留不足

录音按日期归档，索引记录文字、时长、麦克风与目标窗口；托盘可暂停恢复热键、重载配置，桌面快捷方式与开机自启齐备。不足是重启要加载二三十秒模型、生成期间录音上不了屏、流失转写未做。

稳定性比功能多更重要

主播评价识别速度和效果都满意，认为稳定性比功能数量更重要；想了很多但真正做完的就是这几件事，语音输入与对谈生成两件已落地，节目原声与合成声分别来自语音输入录音和本机 IndexTTS。