- Inicio
- Categorías
- Visión, voz y multimodal
Visión, voz y multimodal
Los plugins de Visión, voz y multimodal dan ojos, oídos y voz a los modelos DeepSeek de solo texto en DeepSeek-Harness (dsh). Encuentra herramientas de visión y rutas de proveedor que hacen OCR y describen capturas pegadas mediante Zhipu GLM, Gemini, Doubao u Ollama local, entrada de voz por micrófono a través de la Web Speech API del navegador o APIs compatibles con Whisper, lectura en voz alta con Edge TTS o voces personalizadas, modos de voz full-duplex, y generadores de imágenes, vídeo y música.
582 plugins encontrados
dsh-web-ui (dsh-tool-describe-image)
zhu1090093659/dsh-web-ui
Una herramienta de visión `describe_image` para modelos solo de texto: las imágenes (ruta local, URL, adjunto) se envían a un endpoint de visión configurable compatible con OpenAI y solo el texto devuelto entra en la sesión.
modlens
liustack/modlens
Puente de visión para modelos de solo texto: pega una imagen y obtén evidencia JSON estructurada (OCR, diseño, semántica).
ipollowork
devin-axis/ipollowork
iPolloWork HyperFrames Video Studio y 27 plantillas de video editables como una vista de conversación nativa de DeepSeek Harness.
dsh-image-gen
shanliuling/dsh-image-gen
Generación de imágenes conversacional nativa para DeepSeek Harness: pide al agente que cree una imagen y se encarga de la generación y conserva el resultado directamente en la conversación.
dsh-vision-router
ysr666/dsh-vision-router
Visión gratuita para agentes de solo texto: cadena de visión integrada sin clave más herramientas de píxeles (preguntas y respuestas, grounding, recorte, diff de píxeles, colores, OCR, trazado SVG, recorte de figuras, capturas de pantalla); pega una imagen para usarla.
dsh-vision-toolkit
anionex/dsh-vision-toolkit
Visión para modelos solo de texto: al pegar una imagen, el modelo cambia a la variante Vision Toolkit para preguntas y respuestas sobre imágenes, comparación de múltiples imágenes, OCR de capturas largas, reproducción de UI a partir de capturas, localización de elementos y diferencias de píxeles. Sin clave de API por defecto — las imágenes se procesan mediante el servicio gratuito alojado por el autor, 100 por máquina al día; configurable a tu propio proveedor.
tongflow
tong-io/tongflow
Complemento de estudio TongFlow para DeepSeek Harness (dsh): modelo de proyecto al estilo de un equipo de rodaje, flujos de trabajo TongFlow creados por el agente, generación multimedia determinista, lienzo integrado.
dsh-see-now
saos-3624/dsh-see-now
Permite que un agente solo de texto observe una pantalla en directo o una cámara. Evalúa cuánto cambia cada fotograma y reúne solo los relevantes en una lámina numerada con la envolvente de audio, para que el modelo vea los cambios reales y no una captura cada pocos segundos.
dsh-video-storyboard
saos-3624/dsh-video-storyboard
Convierte un vídeo (archivo local o enlace de Bilibili/yt-dlp) en una cuadrícula de storyboard con celdas numeradas, marcas de tiempo exactas, transcripción por celda y envolvente de audio en la misma línea temporal. video_zoom vuelve a leer cualquier intervalo con mayor resolución, para que un modelo solo de texto pueda examinar el vídeo en vez de leer un resumen.
watch-skill
oxbshw/watch-skill
Las capacidades de DeepWatch, instalables en un perfil de DeepSeek Harness existente.
dsh-qwen-studio
kingcharleslzy-ai/dsh-qwen-studio
Espacio de trabajo Qwen Image 2.1 para DSH: MLX en Apple Silicon o servidor NVIDIA propio, edición nativa con referencias, LoRA, ControlNet, inpainting, presets compartidos, galería y progreso del agente en vivo. Incluye actualizaciones verificadas y guía de configuración del agente.
dsh-tts-bridge
yuuyuko-uu/dsh-tts-bridge
Lee las conversaciones de DSH en voz alta utilizando la lectura en voz alta integrada de la página web de DeepSeek, controlada por una pequeña extensión del navegador.
dsh-sd-bridge-guard
savinglighting/dsh-sd-bridge-guard
Plugin de DeepSeek Harness: nueve funciones de generación local con Stable Diffusion (texto a imagen, imagen a imagen, repintado con máscara, solo generación de scripts, scripts alineados en dos versiones, comando de inyección local de nivel C, lista de modelos, gestión del servicio y comprobación de integridad), protocolo de desvío de contenido no permitido y opciones de nivel C. El nivel A enumera modelos/LoRA/proporciones tras generar una imagen para repetirla con una sola frase; las máscaras del nivel C admiten dibujo con ratón. Sin adaptación entre equipos: detecta automáticamente el directorio de SD, puede instalarlo con autoconfiguración en un paso si no lo encuentra y guarda los resultados en el espacio de trabajo de la sesión.
eac-design-world
ebony-vinyl/eac-design-world
Plugin local de producción de vídeo y diseño para DeepSeek Harness: edición multipista, plantillas y sistema de diseño, lienzo de vista previa nativo y exportación de archivos reales.
dsh-imagegen
dickpy/dsh-imagegen
Generación de imágenes con IA para la GUI web de DSH: texto a imagen e imagen a imagen mediante un endpoint configurable compatible con OpenAI (gpt-image-2 / gpt-image-1 / dall-e-3), con una tarjeta de configuración api_url/api_key y un estudio de generación de panel dividido en la barra lateral.
dsh-comfyui
fandc520/dsh-comfyui
Controla un servidor ComfyUI local o remoto desde DeepSeek Harness: las herramientas comfyui_run / comfyui_object_info / comfyui_workflow generan y editan imágenes y vídeos, con una biblioteca de flujos de trabajo (extracción de grafos: por componente / flujo principal / todo), un área de carga con coincidencia automática de resolución, una cola en vivo, plantillas de SDXL y Wan 2.1, una habilidad complementaria y un proxy de medios del mismo origen.
dsh-infinite_canvas
ninkch/dsh-infinite_canvas
Estudio de creación basado en nodos para DeepSeek Harness: crea guiones, storyboards, imágenes de referencia y vídeo multiplano en un lienzo infinito, también por lotes desde el chat. Debes aportar tus proveedores de imagen/vídeo/TTS (endpoints estilo OpenAI o APIs de vídeo estilo Seedance/Sora). Sin proveedores configurados, funciona sin conexión en modo demo con medios de relleno.
dsh-spicy
kingcharleslzy-ai/dsh-spicy
Plugin de creación de contenido NSFW compatible con Purge. Usa modelos autoalojados en DeepSeek Harness para crear imágenes para adultos, vídeos con audio y cortos de varias tomas; admite edición con imágenes de referencia, control de estilo LoRA y edición de storyboards con Agent.
dsh-voice-prompt-enhancer
fishsb/dsh-voice-prompt-enhancer
Reescribe un borrador del compositor como una instrucción más clara y estructurada, con 5 modos, cadena de modelos de respaldo y memoria opcional de varias rondas. Añade a la entrada de voz de DSH parada por silencio, atajo de teclado y limpieza de muletillas. La transcripción sigue usando speechToText oficial; el complemento no incluye motor.
brewreel
finderchangchang/brewreel
BrewReel (精酿) para DeepSeek Harness: crea videos promocionales verticales desde un JSON de storyboard.
dsh-imagegen-video
q253595422/dsh-imagegen-video
Generación de imágenes y vídeo con IA para la GUI web de DSH. Incluye catálogos por canal y adaptación por familia (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), estudio lateral, lienzo infinito con nodos, vista previa de archivos, skills de lienzo y plantillas. El vídeo admite texto a vídeo, imagen a vídeo, primer/último fotograma clave y varias referencias, con envío/sondeo/descarga asíncronos, herramientas de vídeo del host, nodos de vídeo y unión local con ffmpeg de dos o más nodos en un MP4.
dsh-media-desk
woniuniuniu/dsh-media-desk
Espacio de trabajo de creación para DeepSeek Harness: anota una idea en una frase y genera con un clic el guion, la portada, las ilustraciones y el storyboard.
dsh-omi-voice
polinnizhong/dsh-omi-voice
Lectura en voz alta dentro del chat para DeepSeek Harness: toca para leer, pausar y reanudar las respuestas de la IA con voces naturales de Doubao TTS (BYOK); lee solo la respuesta final, con código, tablas y diagramas filtrados; motor local, el complemento no guarda ninguna clave de API.
deepseek-harness-video-director
chiphoton/deepseek-harness-video-director
🎬Director impulsado por IA: plugin de generación de vídeo MiniMax-H3 dirigido por DeepSeek-Harness. 🤖Más que prompts. 🪄UI de lienzo.