Plugins

Codex-artige Fensterfassung für DSH Desktop unter macOS und Windows: Drücken Sie beide Command-Tasten (macOS) oder beide Ctrl-Tasten (Windows) oder die Kamera-Schaltfläche, um das vorderste Fenster aufzunehmen, es an den aktuellen Chat anzuhängen und einen Accessibility-Baum im VoiceOver-Stil als versteckten Kontext einzufügen.

Audio- und Sprachwarnungen für die dsh Web GUI: unterschiedliche Töne und optionale Sprachausgabe für Genehmigungen, Fragen, Abschlüsse und Fehler.

Lässt dein Telefon über CallKit klingeln: die Tools `call_me` und `text_me`, plus optionale Anrufe bei Rundenende und Freigaben, deren gesprochene Antwort zurück in die Sitzung transkribiert wird.

Vollduplex-Sprachinteraktion auf Chinesisch für DSH Web: diktiere und bearbeite Aufgaben, sende Anfragen, verwalte Sitzungen, beantworte DSH-Fragen und höre prägnante Aufgabenabschluss-Ansagen.

Composer-Mikrofon für die Web-UI: Tippen zum Überwachen der Live-Transkription und Gedrückthalten zum Sprechen, mit Host-Edge-TTS-Antwortvorlesung, die gestreamt wird, während das Modell generiert, Echo-Pause während des Vorlesens und Tippen zum Stoppen.

Bidirektionale QQ-Brücke über OneBot v11 (Reverse WebSocket): Sitzungen pro Gruppe und pro Privat-Chat, @-zitierte Sprach-Speech-to-Text, private Bild-/Animations-Sticker-Anzeige, Gesichts- und Sticker-Tools.

Bidirektionale WeChat-Brücke für DeepSeek Harness über das iLink-Protokoll: persönliches WeChat per QR-Scan binden und mit einem lokalen DSH-Agent aus dem Chat chatten (Text, Bilder, Sprache-zu-Text, Dateien); ein Web-Einstellungspanel verwaltet Bindung/Start/Stopp/Status, Projekt-Sitzungs-Bindung setzt die Konversation auf dem Desktop fort, proaktive wechat_notify-Pushes enthalten Throttling, und der reine Node-Daemon läuft auf Windows/macOS/Linux.

Mikrofon-Schaltfläche in der Composer-Werkzeugleiste: Web-Speech-API-Sprache-zu-Text (Chrome/Edge), Sprachwechsel und optionaler Auto-Send, ohne Abhängigkeiten.

MiniMax-betriebenes multimodales Plugin: Echtzeit-Sprachanrufmodus (Streaming-Gespräch, schwebende Dock-UI), Sprachmodus und Mikrofon-Spracheingabe, sowie Bild-/Video-/Musik-/Sprachgenerierung und visuelle Inspektionstools.

Installiert Herta als DeepSeek-Harness-Agenten: ein Preset mit ihren Persona- und Gedächtnis-Prompt-Abschnitten, sechs Gedächtnis- und Sprachwerkzeugen, einer narrativen Ebene, die ihr Denken von dem trennt, was sie sagt, 80 mitgelieferten Sprachclips, Offline- und MiniMax-Sprachsynthese sowie zwei Konversationsansichten, die die Sitzung mit ihren eigenen Komponenten rendern.

Langzeit-Markdown-Gedächtnis über Sessions hinweg mit LLM-Wiki-Struktur und SOUL.md-Persona, beim Sessionstart injiziert (standardmäßig erst nach der ersten Nutzernachricht und nur in der aktiven Session), dazu remember/recall/consolidate/forget, eingebetteter Memory-Skill und Pack/Unpack-Migration. Zudem Beobachtbarkeit und Pflege: ein Boot-Block-Budget pro Datei schützt die Index-Routingtabelle vor Kürzung, automatische last_access-Stempel machen Salienz-Verfall wirksam, ein schreibgeschütztes Memory-Health-Dashboard, ein deklarativer Index-Compiler, ein interaktiver Memory-Graph, Cross-Link-Vorschläge und ein `checkup`-Bericht mit priorisierter Aufgabenliste.

Sprachwerkzeuge: kostenlose neuronale Sprachsynthese mit edge-tts, OpenAI-kompatible ASR-Transkription, Stimmliste, Massenvorschau der Stimmen und Integritäts-Selbstprüfung.

Full-Duplex-Sprachmodus für die Web-UI: Tippen zum Umschalten oder Halten zum Sprechen zum Diktieren (Senden-Taste oder `Ctrl`) mit Live-Untertiteln, hostseitige SenseVoice-ASR über sherpa-onnx, satzweise gesprochene Antworten und Sprechen unterbricht die Wiedergabe und den laufenden Zug (echtes Hineinreden). Kein API-Schlüssel erforderlich.

Kostenlose geschlossene Sprachschleife für die Web-UI: Mikrofoneingabe über die Browser-SpeechRecognition mit Live-Zwischenergebnissen plus Vorlese-Lautsprecherschaltflächen und automatisches Vorlesen der Antworten des Assistenten, ganz ohne Konfiguration und ohne API-Schlüssel.

All-in-one-Bundle für DSH: natives Windows-Desktopfenster (WebView2), DeepEye-Vision (GLM-4V-Flash) und Spracheingabe (Mikrofon-Taste) in einer einzigen Installation.

Arbeitsbereichsbezogene Abschlussklingeltöne sowie Hinweistöne für Genehmigung, Rückfrage, Plan-Review, blockiertes Ziel und fehlgeschlagene Aufgaben, mit integriertem Synthesizer, Sprachausgabe (TTS) und eigenem Audio.

Omnimodale Workstation für DSH: analyze_image über eine geordnete Failover-Kette aus mehreren VLM-Karten, ein Bildwerkzeugkasten mit sechs Werkzeugen (Zoom, Farbabtastung, Pixel-Diff, OCR, Elementerkennung, Anzeige im Chat), die denselben Bildauflöser nutzen, generate_image über die Protokolle OpenAI/DashScope/ComfyUI, asynchrones generate_video mit mehreren Karten samt Builder /build-video-tool und speak/clone_voice für Sprachausgabe über sieben Anbieter – alles gesteuert von einer selbst speichernden Einstellungsseite.

Einhändige Eingabe ohne Tastatur für das Eingabefeld: Maustaste im Eingabefeld gedrückt halten, sprechen, loslassen – der Text landet im Entwurf, und Hochschieben bricht ab, ohne einen halben Satz zu hinterlassen. Kein Mikrofonknopf zum Anvisieren und kein Kurzbefehl zum Merken; die Hand muss den Eingabebereich nie verlassen, was gerade dann zählt, wenn die andere Hand beschäftigt ist. Die Erkennung läuft vollständig offline (SenseVoice über sherpa-onnx, kein API-Schlüssel, Audio verlässt nie den Rechner).

Spielt einen Glockenton und eine chinesische Sprachwarnung ab, wenn in der DSH-Weboberfläche ein Freigabe-, Frage- oder Planprüfungs-Popup erscheint, damit keine Anfrage verpasst wird.

Sprachassistent für dsh web: Mit dem Weckruf (z. B. „小鲸“) wird freihändiges Diktieren aktiviert – das Gesagte wird transkribiert und automatisch in das Chatfeld getippt. Unterstützt gesprochene Bearbeitungsbefehle (senden, leeren, neue Zeile, Vorlesen beenden) und liest Antworten des Assistenten auf Chinesisch vor. Die Spracherkennung läuft lokal im Browser über sherpa-onnx WASM, funktioniert also offline ohne API-Schlüssel.

Desktop-Mädchen-Wal-Haustier für DeepSeek Harness: schwebendes Browser-Maskottchen plus Windows-Desktop-Haustier, die sich ein Daten-Backend teilen, mit Echtzeit-Saldoanzeige, Aufgabenbenachrichtigungen, Kopfstreichel-Interaktion, 19 vorsynthetisierten Sprachzeilen mit Emotion pro Zeile und präsenzabhängigem Leerlauf-Gespräch.

KI-Audioerzeugung für die DeepSeek Harness Web-GUI — Multi-Vendor-TTS, Musik, Soundeffekte und Voice-Design mit Seitenleisten-Panel, Modellvergleich, Ressourcenbibliothek und Agent-Tools.

Durchgängige Sprachkonversationen für DSH mit freihändigem Zuhören, Push-to-Talk, Spracherkennung, TTS-Antworten und Hintergrund-Agent-Delegation.

Lokales Echtzeit-TTS für DeepSeek Harness: Stimmvoreinstellungen, automatisches Vorlesen, Engine-Setup-Assistent, Vorlese-Button und ein Einstellungsbereich für die GSV-TTS-Lite-Engine.