v0.1.1

为什么跳过 0.1.0：这个版本号在 11-03 14:26 被误发过一次（内容不可用，已标废弃）。
npm 的规则是「用过的 package@version 永远不能再用，即使你已经把它 unpublish」，
所以这一版记为 0.1.1。

Changed — 台词早 1.3 秒出现：长句边说边出字幕

社区反馈"字幕比画面晚 510 秒"。拆开量了一遍，**转写本身只要 100180ms**，
时间全花在"等断句"上：

开口 ──等静音 0.35s / 等强切 3.0s──▶ 落盘 ──轮询 200ms──▶ 转写 180ms ──▶ 可读
        └────────────── 这一段占了 90% ──────────────┘

实测（本机 paraformer-zh，真实旁白素材）：

音频长度	转写耗时
1.0s	99ms
1.5s	139ms
2.0s	158ms
3.0s	174~181ms

等断句的时间是转写本身的 20 倍。 所以不再等：

• 长句说到 1.8 秒就先转一版（live-<t0>.wav，同名覆盖），整句落盘后用准确结果
  覆盖它。真机实测：快照在开口后 2.08s 落盘、整句 3.30s —— 首版字幕提前 1.2 秒。
• 轮询 200 → 100ms，净省 100ms。
• 快照是"说了一半"，只在句末加「还在说…」标记，整句永远盖过快照：
  createLineBuffer.upsert() 按 t0（句首墙上时间）认同一句，迟到的快照不许把整句改回去。

出图前等最多 300ms（listener.settle()）：台词的取数窗口是「上一张图的 wallTo →
这一张的 wallTo」，差几百毫秒没转完的那句会被推到下一张 —— 那就是十几秒，
而 ASR 本身只有 0.7 秒。边界效应才是"字幕晚十几秒"的主因之一。
积压（seg ≥ 3 个）时不参与等待，免得拖慢出图。

顺带修的

• 本地转写服务自己睡了没人管：asr.json 的 manage.idleMs 常配成几秒，视频安静
  一会儿服务就退出，再说话时第一个请求必然失败。旧逻辑要等 3 次失败才拉起（白丢 30 秒
  字幕），现在第一次失败就 spawn（不 await、60 秒内不重复拉）。
• status 里加了延迟诊断：上一句开口→可读 X.Xs、临时字幕 N 次。
  以后问"怎么半天不出字幕"直接看这两个数，不用猜。
• 快照转写失败不静默了（记一条 log），但不计入连续失败 —— 它只是"提前给一版"，
  挂了不该把主链路暂停 30 秒。

参数走 ~/.dsh/see-now.json 的 listen 段（改完重开 DSH）：

{ "listen": { "live": true, "liveMin": 1.8, "liveStep": 1.2,
              "silence": 0.35, "maxSeg": 3.0, "pollMs": 100 } }

live:false 退回纯整句（省一半转写调用）；liveMin 别低于 1.2
（1.0 秒的片段实测会丢一半字）。

⚠️ 还有一段延迟不归 ASR 管：一张图覆盖 15 秒（maxWaitSec），第 3 秒说的话
要等第 15 秒出图时才随图交付 —— 平均 7.5 秒。要更跟得上画面就压 maxWaitSec
或改用 pace:"dense"，代价是 token 按比例涨。

Performance — 打分快一半、出图快四成，顺手清掉一批死代码

实时链路里最贵的两段都是纯 JS（打分每帧跑、出图每 15 秒跑一次）。这次把里面的
浪费拿回来，画面逐字节不变：同一批素材新旧实现输出的 PNG 完全一致，
打分分数逐帧相等。

环节（798×450，i9-12900HX）	改前	改后
打分 · 每帧	1.84 ms	0.95 ms（-48%）
打分 · 静止画面	1.30 ms	0.50 ms（-62%）
出一张 4 帧图	73 ms	42 ms（-43%）
出一张 1 帧图	62 ms	39 ms（-37%）

出图那两行是同一进程内新旧实现交替跑、每次前强制 GC、取 15 次中位数 ——
绝对值会被 GC 放大，看比例就好。

打分（cuts.js）

• mcStats：先测同位置再扫邻域。旧写法 dy 从 -radius 开始，radius=4 时
  同位置排在第 41 个，静止画面每格白算 40 次才命中。屏幕最常见的状态就是"没变"，
  这一条单独省掉 90% 的静止帧开销。
• bgStats：每个格子原来都 new [0,0,0] 一次并调 TypedArray#sort
  （2304 格 × 12fps = 每秒 2.7 万个短命数组），改成复用缓冲 + 手写插入排序
  —— m ≤ 8 时插入排序比内建快一倍多。

出图（scale.js / sheet.js / pipeline.js）

• 帧直接缩进画布（coverIntoAt）：不再"每格 alloc 中间缓冲 → coverInto →
  blit 到画布"，一张 4 帧图省掉 4 次 267KB 分配 + 4 次等大拷贝。
• 1×1 / 2×2 内联：SEAM 会把"整幅铺一格"变成 797×449 这种差 1 像素的尺寸，
  旧代码让每个像素都进通用平均循环求 1 个点的"平均"（还带一次除法）。
• 轴映射表按 (源长, 目标长, 裁切长) 缓存，同一档清晰度的每格尺寸都一样。
• 画布底色从逐像素循环改成 buf.fill(Buffer) 一次原生填充。
• 空洞掩码只在真有空洞时才建：4 帧 2×2、单帧铺满都覆盖整张画布，扫 36 万像素是白干。
• 音轨条就地画（drawAudioStrip）：composePacked 直接把条高预留进画布，
  不再"分配一张 1.1MB 的新图 + 整图拷贝"。
• 点阵编号直写像素：旧版每个点亮像素都调一次 fillRect，一次要做 4 次 clamp +
  2 次边界判断，画一个两位数就是 200+ 次函数调用。

采集（capture.js）

• 拼帧从 Buffer.concat([pending, chunk]) 改成"一次 allocUnsafe(need) +
  按需 copy"。旧写法 pipe 每给 64KB 就拼一次，一帧 1.03MB 要拼 16 次，
  累计拷贝约 8.5MB/帧（12fps 下 100MB/s），全是白干。

顺手修的

• 文件源放完被当成异常（capture.js）。source:"file" 播完是 code 0，而
  close 里除了 code === null（我们自己 kill 的）一律 reject。后果不是"多一条日志"：
  runner 只在 .then() 里写 endedSource，走 reject 分支那个硬闸就永远不生效 ——
  下一次 watch 会把同一个文件从头再放一遍（社区实报的"24 秒解 1955 帧、
  刷几十张图、关窗也停不干净"）。scripts/sim.mjs 也因此在最后一步抛异常。
• DEFAULTS 补上 floorMin / floorMax。三档节奏都显式传了，但直接
  createPipeline({floorGapK: 2}) 时它们是 undefined → 兜底间隔算出 NaN →
  elapsed >= NaN 永远 false → 画面静止时兜底帧一帧都不出。静默坏死，最难查。
• index.js 的 loopLine / cookieWarnLine / listenLine 从 route() 函数体内部
  提到模块顶层（原来靠函数提升才没报错，缩进还是 0）。

删掉的死代码

pack.bestPlan、sheet.headerHeight、capture.ENGINES、speech.speechObservers、
chat.lastSpoken / __resetSpokenLog / __resetChatWatcher、pipeline.plan0、
stats.msDecode / stats.msTotal / pipeline.dropped，以及 index.js 里两个
从未使用的 import。

Changed — 台词追得上画面了：断句窗口砍半，台词直接标帧号

用户实报"字幕比画面落后四五秒"。那不是转写慢（130~250ms），是断句等太久：
原来连续说话要攒到 6 秒才强切，加上静音判定 0.45 秒，最坏情况下台词要等
6.5 秒才出现 —— 画面早换了。

参数	改前	改后	效果
max_seg（强切）	6.0s	3.0s	最坏延迟腰斩
silence（判定说完）	0.45s	0.35s	短句更快落盘
扫目录	350ms	200ms	平均省 75ms

从"说完最后一个字"到"模型能读到"：约 0.6~0.7 秒（静音判定 350 + 扫盘 100 + 转写 150）。
从"开口"到"能读到"：最长 3.35 秒（原 6.45）。

台词直接标帧号：每条前面加 #n，表示这句最接近第 n 格画面 ——
模型不用再拿时间码自己算，一眼知道"这句配那张图"。

台词（…）：
  #2  15:57:32 / 9.3s  评价一个镜头的好坏，一般来说有两个维度
  #2  15:57:36 / 13.4s 第二个维度是艺术维度

代价：3 秒强切比 6 秒更容易把一句话切成两半（"第一个维" / "度是技术"）。
实时场景下"追上画面"比"句子完整"重要 —— 碎句模型能自己拼，晚 6 秒就救不回来了。

Changed — 插话不再被冷却挡住

自动唤醒的 3 秒冷却是防刷屏的，套在人的输入上就是画蛇添足：你说完一句、
3 秒内再补一句，第二句被静默吞掉，然后以"排队消息"的形式堆在宿主里 —— 比不叫醒还糟。

现在插话完全不受冷却限制，只有"同一拍连发"（500ms 内刚叫醒过）才放回队列等下一拍。

Fixed — 本地转写服务从来不会自动拉起（"看不到字幕"的真因）

2026-11-04 实报：重启后模型说"一次都没收到台词"。查下来是三个 bug 叠在一起：

1. asrConfig() 把 manage 丢了。它只挑了 baseUrl / key / model / language 四个字段，
   而"服务没起时怎么拉起"全在 manage.start 里 —— 于是 ensureService() 永远报
   asr.json 里没写 manage.start，服务永远不会被拉起。
2. httpTranscriber 把异常吞成空串。catch 里 return ''，上层只当"这段没人说话"：
   失败计数永远是 0、不会停、status 永远显示"在听、0 句"。服务根本没起的时候，
   界面上和"视频是默片"一模一样。
3. 失败 3 次直接 stop()。而最常见的失败（服务没起 / 正在冷启动 30 秒）本来会自己好，
   停掉等于永久放弃，还会连带 kill 采集进程、把音量条一起弄没。

修完的行为：

• 开始听时先探 GET <origin>/health，不通就按 manage.start 拉起（不 await，不挡采集；
  实测 5.1 秒就绪）。只管拉不管关 —— 服务自己有 idleMs。
• 转写失败改成暂停 30 秒后重试，文件留着不删（服务起来后接着转），目录最多留 40 段。
• status 的「听声音」那行会直接写 在听但转写停了：<原因>，不再是含糊的"在听、0 句"。

Added — 图底下长出音轨条，台词带上本机时钟

上一版能听见了，但"听见了什么"只在文本里。这一版画到图上、把时间码写在台词旁边。

• 音轨条（sheet.js 的 addAudioStrip）：图底下接一条 width×0.055 高的带子
  （高度 = 画面占行后剩下的余量，默认档 12px）。三样东西：响度柱（青绿，一眼看出是安静旁白还是配乐轰鸣）、
  静音灰块（没人说话处铺深灰，柱子压在上面 —— 早先试过"静音不画柱子"，灰块会变成
  一根根实心竖条把波形切断）、切点刻度（顶部黄短线，via==='cut' 的时刻，和宫格编号对得上）。
  配色和 dsh-video-storyboard 逐字节一致。
• 音量数据是白捡的：listen.py 的 LevelMeter 复用断句已经在算的 RMS，每秒写一次
  levels.json（0.1 秒一格、留 180 秒）。不像 storyboard 要再开一次 ffmpeg 跑 ebur128。
  纯音乐没人说话、甚至转写服务挂了，音量条照样有。
  关键：levels.json 按时间格子存，静音格子显式补 -120dB —— WASAPI 静音时一个字节都不推，
  照"有数据才写"出来的序列在时间轴上是断的，画成条就是"柱子之间一片黑"。
• 台词两个时间都给：15:57:32 / 9.3s。本机时钟给用户回头找（实时看屏幕没有"视频进度"，
  浏览器放到第几秒我们不知道）；相对秒和每帧那个 24.1s 同坐标系，模型才能把话对到格。

Changed — 画布宽度对齐 42、音轨条改成"白捡的"，每张 254 → 222 token

两刀，都不损失东西：

① 宽度向下对齐 42（800→798、1066→1050、1280→1260、1600→1596）。
800 会被 pad 到 812 = 19.3 格，白算一整列；798 正好 19 列，面积只少 0.25%。

② 音轨条不跨行。token 是按 42px 一行的阶梯函数：450 高的画面占 11 行、上界 462，
底下空着 12px 也照样收 11 行的钱。所以条高取"这段余量"（450 余 12、600 余 30、720 余 36、900 余 24），
画面一点不少、条照样有、token 一行不涨。

档位	改前	改后
low（默认）	800×494 = 254	798×462 = 222（-12.6%）
standard	1066×659 = 434	1050×630 = 392
high	1280×790 = 610	1260×756 = 560
ultra	1600×988 = 962	1596×924 = 860

对齐 + 白捡之后，222 比加条之前的 233 还低（因为宽度省了一列）。

副作用：low 档的条只有 12px（柱子最高 9px）。看得出"哪里有声音、哪里安静、切点在哪"，
但看不出精细包络 —— 这是"不跨行"的硬约束，想要粗一点的条就得占一整行（+20 token）。

LONG_EDGE（region 模式的单格长边）故意不动 —— 那个尺寸是 cellSize() 按区域比例算的，
本来就不是 42 的倍数，改它只会连带 2/4 帧拼图，收益是个位数 token。

想更干净就打掉音轨条（但不省钱）

audioStrip: false → 798×450 = 222 token，和带条一模一样（450 和 462 都在 11 行里）。

Fixed

• flushNow 补的"此刻那一帧"没带 wall → sheet.wallTo 是 null，最后一张图取不到台词。

Added

• 按"上一句说了多长"排下一次叫醒。固定间隔（calm 30s / normal 15s / dense 8s / 逐场景 4s）
  是从叫醒那一刻起算的，跟上一句说了多久没关系：上一句长的时候，下一轮会在它还在说时被叫起来。
  现在默认跟随上一句——下一轮最早落在「上一句说完 + 0.8 秒气口」，并保留 3 秒地板防连珠炮。
  想保持旧节奏写 "speechPacing": "guard"（取旧间隔与"说完+气口"更晚的那个），写 false 完全关掉。
  用户插话不受限制。时长按文本估（中文约 5 字/秒、英文约 14 字/秒，±20% 足够），
  不需要问 TTS 引擎要音频时长。有声音适配器时以 spoken（开始播放）为起点；
  没有声音时以 due 为起点，避免文字刷屏。status 的循环行会显示
  上一句约 X.Xs 和 下一轮最早 Ns 后。

v0.0.10

Added — 它开始听得见了：视频里的台词跟画面一起交给模型

之前只看画面：视频里的人在说什么、旁白讲到哪，模型全靠猜。
see_now 返回的清单里现在多一段 台词，时间码和每帧那个 24.1s 是同一个坐标系，
模型能把"这句话"和"第几格画面"对上。

链路：examples/floating-chat/listen.py（WASAPI loopback → 16k 单声道 → 按静音断句
→ seg-<epochMs>.wav）→ Node 扫目录 → 宿主 speechToText 或 ~/.dsh/asr.json 的
OpenAI 兼容服务 → 台词缓冲 → runner.attachLines() 挂到 sheet 上。

实测（i9-12900HX / Win11）：抓回环绕 0.3% 单核，转写 3 秒段 130–160ms、
10 秒段 400ms；按静音断句，一句话说完到文字可用约 1 秒。
对比画面侧 ddagrab 0.18 核 —— 音频是零头。

三级降级，永远不会让"看屏幕"起不来：宿主 speechToText（DSH 桌面版自带
SenseVoice，社区用户零安装）→ 本地 HTTP → 都没有就只出图不出字幕，
status 里写明原因（听声音：没在听 —— …）。关掉：DSH_SEE_AUDIO=0。

• "只听"模式：循环收工之后，窗口里的输入不再扔进黑洞。以前 idle 或连续叫不醒就
  dispose() 整条循环，可那扇窗还摆在屏幕上 —— 用户之后打的字没有任何人读，他当然
  以为自己在跟它说话。
  现在 idle 时先看窗还在不在（idleAction()）：窗开着就只停采集、留着耳朵（mode: 'listen'），
  窗没了才真收工。窗口里一开口立刻回到 active 唤醒模型。
  采集不会自动重启 —— 模型要看图会调 peek，那条路才按用户原来的 region / 清晰度起管道。
  为此加了 pausedByListen 标志：退出只听后的第一拍会看到 !alive，那本来是我们自己停的，
  没有标志就会被判成 capture-stopped，用户刚说一句话循环就整个收工。
  status 里也会显示「循环：只听（…）」。

• 缺 Python 包时打印安装命令。窗口脚本要 Pillow / mss / numpy，缺任何一个都是
  "启动后 700ms 退出、code=1"，而插件以前只把 code 原样抛出去。现在启动全失败后会跑一次
  import 探测，把缺的包名和 python -m pip install ... 一起报出来。

• test/pack.test.mjs：四条排布测试（容差、flat 判据、缓存键、部分拉伸上限）。
  这套原来缺位 —— 三个新行为改回旧代码，138 条测试一条都不红。

Changed

• see_now 返回的文本多一段台词，status 多一行「听声音」。
• pipeline.js 的帧多带一个 wall（epoch ms），sheet 多 wallFrom / wallTo ——
  台词只有时间码没有帧号，对齐只能靠同一个时钟（t 是"第几秒"，掉帧就漂）。

声音适配器和 dsh-watch-together 共用同一个模块（~/.dsh/voice.json 只写一份），
所以那边把 examples/voice-edge-tts 换成常驻合成器之后，这里一起变快：

场景	之前	现在
say 一句（at: null，没有预取窗口）	2.4~2.5 秒	~230ms

see_now 的事件仍然发 at: null 的 due —— 它没有时间轴，本来也预取不了。
变快不是因为提前知道台词，是常驻进程省掉了"每句重付 python 启动 + import 建连 + ffplay 启动"
这四笔固定开销。协议和 spoken / skipped 的语义都没有变。

社区（Win10）报的 5 条。核心是关窗后再也回不来，以及出了问题只给一个 exit code。

• 跟 storyboard 0.6.6 对齐三个排布行为：DEFAULT_STRETCH 0.3、flat 判据改成 (1+τ)²、
  逐格部分拉伸。实时性没受影响：240 帧全流程 30.5 → 29.1ms（帧预算 83ms/帧），
  而且排布只在判"这张该封了"的时候跑一次，不是每帧。fill 77.3% → 83.8%，箱数 -5%。
• 画布仍是 800×450，没跟着对齐 42px：本包的 width 同时是采集管道的 rawvideo 尺寸
  （ffmpeg 直接按它出帧），改它要动 scale / region / PNG 三处，收益只有每张 11 token。

Fixed

• 手动重开悬浮窗之后仍然被"挂断"拦住，只能重启 DSH。hangUp() 改的是本进程内存里的一个
  布尔值，而 bin/see-window.mjs --force 是另一个 node 进程 —— 它只杀/重开 python 窗口，
  碰不到那个值。用户体感就是"窗明明回来了，它还说我把窗关掉了"。
  现在 start() 里会判断：挂断之后 pid 文件被重写过（= 有人主动开过窗）就解除挂断。
  判据刻意不用 windowAlive() —— 残留进程同样为真，那样会把窗重新弹出来（正是以前修过的问题）。
  新增 resumeFromReopen() 纯判据 + 4 条回归。

• 采集提前退出时看不出原因。以前只有 code !== 0 且 stderr 非空 才算失败，code === 0
  会静默 resolve —— 上层看起来和"正常收工"一模一样。屏幕采集不存在自然播完，所以现在
  code 0 和非 0 一律报错，并且带上运行时长与已收帧数（12fps 下 141s/1686 帧说明是跑着跑着停的，
  不是启动就崩 —— 这正是区分"缺包秒退"和"中途掉线"的关键）。

• capture-stopped 之后还在连发「有新画面了」，文案里「上一句 say N 秒前」的秒数越来越大。
  lastSaidNote() 用 Date.now() 实时算，采集停了还在造新提词，那句当然是过期的。
  现在采集死后只允许第一拍把已经攒好的那张报出去，之后不再产生唤醒（队列里的图仍能 peek 到，不丢东西）。

• rowOptions 缓存键只编码了 stretch > 0.15 这一个布尔，0.2 和 0.3 共用同一份候选。
  改默认容差时踩到：先算 0.2 再算 0.3，后者拿到的是没有 flat 的候选，
  [3,4,4,4,7,7,7,2,2] 从 1 张装下变成 2 张。改成字符串键（档位|grow|stretch|fillRows）。

三个踩过的坑（都有回归）

• 静音段 WASAPI loopback 一个字节都不推（实测 3 秒静音 callback 触发 0 次）。
  所以时间码只取每块到达的墙上时间，绝不累加样本数 —— 否则静音 10 秒后一开口，
  字幕整体漂 10 秒。另外不能用阻塞 stream.read()：静音时它会一直挂着
  （实测想读 4 秒、实际卡了 19 秒），断句判据根本没机会跑。改成回调 + 队列 + tick()。

• 立体声必须先混单声道再降采样。reshape(-1, 3).mean() 一步做完会让两个声道
  相位抵消，ASR 只认出"嗯。"。正确顺序 reshape(-1, ch).mean(1) → 3 点箱式平均，
  纯 numpy 就够（不用 scipy / ffmpeg）。

• 它听得见自己。TTS 念台词 → 音箱出声 → 回环收回去 → 变成"视频里的台词"，
  然后模型接着那句话往下聊，停不下来。

  修的时候才发现：quiet-until.json 只有陪看在写（bin/watch.mjs 拿它防两个 SAPI 抢话），
  see-now 从来没写过 —— 也就是说 mic.py 的 tts_busy() 在 see-now 下一直是空转。
  现在在 say 的 due 事件上挂了一个只观察、不出声的订阅者（voice:false，标 true 会顶高
  speechSubscribers()，展示层就会一直等一个不来的 spoken），按字数估一个保守窗口
  （中文 4 字/秒 × 1.5 余量 + 1.2 秒收尾）。这是"闭嘴不听"，不是"屏蔽自己" —— 窗口内整段丢弃，
  代价是用户正好在说话、或视频里正好有人说话时，那一段也没了。

  判据还必须按段的时间窗、不能按"落盘那一刻"：一句话跨过窗口末尾时，落盘时已经出窗口了，
  但它的前半段仍然是 AI 的声音 —— 实测窗口只剩 0.25 秒时，整段 6 秒被当成视频台词收了进去。

为什么是 pyaudiowpatch

ffmpeg -f dshow 在这台机器上枚举不到"立体声混音"（注册表里有、设备管理器也显示启用，
dshow 就是看不到）；soundcard 的 loopback 两个端点、四组采样率恒返回 0；
sounddevice（PortAudio 原生）的 WASAPI host API 里根本没有 loopback 设备
—— 官方 PortAudio 不暴露，只有 pyaudiowpatch 那个 fork 打了补丁。它也不需要虚拟声卡。
缺这个包就静默降级，status 里会说缺什么。

v0.0.7 · 心跳抖一下不再把会话判死

社区反馈（1 例）：「放着放着它自己就结束了，模型说了句『好，先停在这儿』就再没下文」。只有一个人报，本来当个例放着；查下来是真 bug，而且判错一次就回不来。

窗口每秒 touch 一个心跳文件，6 秒过期就算「这窗不能用了」——这是 issue #2 修的，为的是能重开卡死的窗。常驻循环拿同一个判据去回答「用户是不是不看了」，于是：

• 机器睡一觉醒来、或窗口主线程被拖住几秒 → 心跳过期 → 循环第一拍就 stop('window-closed')
• 这个停因会落一条挂断说明「用户关掉了悬浮窗……不要再调 see_now」，还会 hangUp()
• hangUp() 之后 watch 一律被硬闸拦 —— 这个会话只能重开

修了什么

1. 拆出一个只看进程的判据 —— 新增 windowPidAlive()（process.kill(pid, 0)，不碰心跳）。windowAlive() 复用它，行为不变，仍然负责「这窗还能不能用」。
2. 「用户不看了」另用一套判据 —— 新增纯函数 windowVerdict()：进程没了 = closed（照旧停 + 挂断，尊重「关窗就别再弹」）；进程还在、只是心跳断了 = stalled，连续 WINDOW_GONE_TICKS（3 拍 = 6 秒）才停，而且不挂断，下一条 watch 能自己把窗重开起来。
3. 停因可区分 —— see_now({action:"status"}) 里的 循环：已停（…） 现在能分出 window-closed 和 window-stalled。

3 拍这个宽限不只是把误判推迟 6 秒：醒来后 Tk 主循环 1 秒内就会重写心跳，第二拍 windowAlive() 就真了、计数归零，循环活着。只有窗口真卡死（6 秒后仍不跳）才走 stalled。

验证

• 复现：pid 指向活着的进程、只把心跳文件的 mtime 往前拨 8 秒 → 老代码第一拍就 window-closed
• 新增 test/heartbeat.test.mjs 6 条回归（含「心跳过期不该在第一拍就停、也不该 hangUp」），全量 102 条全过
• 真实关窗的反应时间没变：进程退出 → pid 没了 → 还是第一拍就判 closed

升级：npm i dsh-see-now@0.0.7

v0.0.3 · 修掉文件回放的无限重播

社区反馈（B 站评论）：「文件回放有 bug：回放会在 24 秒里解 1955 帧、攒下一堆唤醒，然后一直弹有新画面——关了悬浮窗也停不干净，得卸载才行」。查下来是三处共同根因，都在 watch 的「采集停了就自动重启」上。

修了什么

1. 文件放完不再自动重播 —— 以前 watch 看到采集停止就用 prevSrc 重启，而对文件源来说重启就是从头再放一遍，于是无限循环。现在文件放完记为一次性来源，返回 file-ended，除非你显式再传 source / path。
2. 关窗变成硬闸 —— 原来 onStop 只调了 stop()，下一条 watch 会把采集重启并把悬浮窗重新开起来，用户体感是「关掉又弹出来，只能卸载」。现在走 hangUp()，只有显式指定来源才解除。
3. 常驻循环不再被 pending 吊住 —— 原来要 !alive && !pending 才收工，一次塞进去几十张图就永远取不完。现在采集停掉后最多再给两拍播报，然后收工；非实时的文件回放干脆不起常驻循环。

验证

• 新增 guardReason() 纯函数（三条规矩一眼可读）+ 3 条回归测试，共 82 条全过
• 端到端：3 秒文件 → 播完 → 再调 watch 直接返回 file-ended，确认没有重播

升级：npm i dsh-see-now@0.0.3

v0.0.2 · 首个公开版本

让 AI 实时看见你的屏幕 —— 但只传「画面变了」的那几帧。

它解决什么

定时截屏喂给 AI，要么贵（一分钟 30 张重复图），要么瞎（30 秒一张）。这个插件先给每帧打一个 0–255 的变化分，只留「突然换了一张」和「一直在动、攒够了量」的帧，再把几帧拼进同一张图。

这一版有什么

• 单根 rawvideo 管道采集：ddagrab 0.28 核 / gdigrab 0.45 核（12fps → 800×450）
• 两条判据：切点（12 分地板 + 2.5× 尖峰 + 0.4s 不应期）与积分（固定 144 阈值，不随画面涨）
• 档位 + DP 装箱：格子边长按 1/k，自动铺满画布
• 三档节奏 pace：calm(20分/30s) / normal(12分/15s) / dense(7分/8s) —— 模型可以真的调
• 逐场景模式 scene：一张图只装一个画面、铺满整张
• 调试窗：实时看抓帧与拼图，不在发布包里
• 79 条测试

实测（本机 2560×1600 / i9-12900HX）

内容	变化分
静止桌面	0.00
光标移动	0.7
色调接近的照片切换	16~18
滚网页 / 切窗口	30~42
完全不同的照片切换	46~63

许可

PolyForm Noncommercial 1.0.0 —— 个人、学习、非商业免费；商用需授权（见 COMMERCIAL.md，个人 ¥128/年，小团队 ¥999/年）。

examples/floating-chat/ 源自同作者的 dsh-watch-together，沿用 Apache-2.0。