Plugins

Lernbereich für DeepSeek Harness: Importiert eigene PDF-, DOCX-, PPTX- und Markdown-Dateien sowie Vorlesungsaufnahmen, erstellt quellenbelegte Karteikarten, Quizfragen und offene Fragen und plant SM-2-Wiederholungen im integrierten Webpanel. Für die Transkription von Aufnahmen ist ein eigener SiliconFlow-, Groq- oder Gemini-Schlüssel nötig. Erfordert DSH 0.2.0-rc.2 oder neuer, aber unter 0.3.

Paper-Bibliothek, PDF-Reader und Tutor. Zitierte Seiten springen zur genauen Stelle und markieren sie; Auswahl im Paper fragen. Leseplan, Abschnittscoaching, sitzungsübergreifende benotete Quizze. MinerU (selbst gehostet ohne Anmeldung; mineru.net-Cloud mit token) liest Scans; Formeln per Klick zitierbar (LaTeX an Chat), mit QK^T suchbar und je Seite aufgelistet. Optionales embeddings endpoint für Semantik. Löschungen in wiederherstellbarem .trash. Scroll-/Einzelseite, rechte Leiste im Vollbild, Pfadkopie, übersetzter PDF-Export, Original↔Chinesisch via babeldoc ohne Vorinstallation. Transkription/Suche standardmäßig lokal; nur aktivierte Cloud MinerU/embeddings/Übersetzung senden Text an den konfigurierten Dienst.

Lokale Meeting-Transkription in DeepSeek Harness auf Apple-Silicon-macOS: Mikrofon und Systemaudio aufnehmen, Sprecher kennzeichnen und Transkript exportieren.

DeepSeek-Gehirn + automatische Bildtranskription: Bilder in der GUI anhängen und jedes wird standardmäßig über das offizielle deepseek-v4-flash-vision-exp transkribiert (ein reines Text-V4-Pro-Gehirn kann Bilder sehen), mit jeder OpenAI-kompatiblen VLM oder lokalem Ollama als Alternative.

model router pro Schritt: benannte Voreinstellungen mit geordneten Bild-/Stichwortgruppen-Regeln leiten jeden Agent-Schritt über jeden eingebundenen Anbieter und jedes Modell und ergänzen Kollaborationsabläufe für Bildtranskription, einen Bildschutz, ein Multi-Plan-Kontingentfeld und Pro-Schritt-Entscheidungs-Beobachtbarkeit.

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.

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

WeChat-Kanal (privates WeChat, iLink Bot API) für Chats mit dem DSH-Agenten, einschließlich Bildern, Dateien und Transkription von Sprachnachrichten. Eine WeChat-Unterhaltung kann mehrere DSH-Sessions enthalten (/new, /list, /use); alle Optionen sind in den Einstellungen bearbeitbar. Auf npm als dsh-plugin-weixin veröffentlicht.

Bridge zwischen DeepSeek Harness und Feishu/Lark: Bietet Chat, Karten, Genehmigungen, Aufgabenboard, Ziele und Zeitpläne in Feishu sowie vollständig lokale (offline) Spracherkennung mit Wiedergabeleiste in der Web GUI.

Fügt dsh über OneBot 11 (NapCat und ähnliche) einen QQ-Kanal hinzu: Reverse- oder Forward-WebSocket, Einzel- und Gruppenchats, Bild- und Sprachtranskription, t2i-Text-Bild-Karten, gebündelte Weiterleitungen und Einstellungsseite.

Lokale Erzeugung von Bildern, Stimmen, Musik und Soundeffekten sowie Transkription, mit fixierter Identität: Charaktere, Tiere, Objekte und Schauspielernstimmen werden einmal definiert und bei jedem späteren Aufruf wiederverwendet; degenerierte Ausgaben (nahezu flaches Bild, stilles Audio) werden abgelehnt statt als Erfolg zurückgegeben, und eine erzeugte Zeile kann als Text zurückgelesen werden, sodass ein Klon, der sein Ende verschluckt hat, sichtbar wird. Die Engines entladen sich im Leerlauf, und Bildgenerierung und Transkription können jeweils auf eine OpenAI-kompatible API statt auf das lokale Vulkan-Backend zeigen.

Mikrofon-Spracheingabe für den Composer: Live-Transkription über die Web-Speech-API des Browsers, Deduplizierung/automatisches Fortsetzen, intelligente Zeichensetzung sowie Einstellungen für Sprache und automatisches Senden.

Downloads a Bilibili video with yt-dlp, samples key frames, and transcribes it — from the site subtitles, or from a local faster-whisper install when there are none. Registers the skill the agent uses to write the summary; activates when a user message contains only a video link. Requires yt-dlp and ffmpeg on PATH; transcription needs faster-whisper.

Verwandelt einen Xiaohongshu-, Douyin-, TikTok-, YouTube- oder X-Link in Text: Transkript mit Zeitcodes, Bildschirmtext, eine Beschreibung und OCR jedes Bildes, Caption und Metadaten. Bindet den gehosteten MCP-Server über streamable HTTP ein.

Auf Untertitel ausgerichtete Transkription von Videos mit SRT-Export, abbrechbaren Steuerelementen für den Auftrag und einem Rückgriff auf faster-whisper large-v3, wenn keine Untertitel verfügbar sind.

Add MiniMax image understanding, image generation, speech synthesis, and transcription tools to DeepSeek Harness.

Reads a video or audio file into metadata, sampled stills, subtitles and a multilingual speech transcript with speaker labels, captures the live desktop as frames or a recording, and installs its ffmpeg/whisper.cpp/sherpa-onnx toolchain on first use with per-file sha256 checks; all processing stays local. Automatic toolchain install and desktop capture currently support Windows x64 only, so elsewhere ffmpeg and model paths must be set manually.

Dictate prompts into the DeepSeek Harness Web Client — a microphone in the composer, with swappable transcription: hosted Whisper API, self-hosted server, or a fully offline whisper.cpp binary.

Subtitle-first video transcription and deterministic extractive Markdown summaries, with a faster-whisper large-v3 fallback when subtitles are unavailable.

MiMo (Xiaomi) tools as a DSH profile plugin: web search, image/audio/video understanding, ASR transcription, TTS, voice design and voice cloning — native agent tools with a Settings page for the API key.

DeepSeek Harness plugin: multimodal tools (image/audio/video/document understanding, transcription, image generation) via Gemini API or the local Antigravity CLI.