Saltar al contenido principal

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

Z

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.

8khace 2 mesesVisión, voz y multimodalApache-2.0
L

modlens

liustack/modlens

Puente de visión para modelos de solo texto: pega una imagen y obtén evidencia JSON estructurada (OCR, diseño, semántica).

5kanteayerVisión, voz y multimodalMIT
D

ipollowork

devin-axis/ipollowork

iPolloWork HyperFrames Video Studio y 27 plantillas de video editables como una vista de conversación nativa de DeepSeek Harness.

4.2khace 3 mesesVisión, voz y multimodal
S

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.

1.6khace 5 díasVisión, voz y multimodalApache-2.0
Y

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.

1.3khace 7 horasVisión, voz y multimodalMIT
A

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.

946hace 4 díasVisión, voz y multimodalMIT
T

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.

870hace 3 mesesVisión, voz y multimodalAGPL-3.0
S

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.

684ayerVisión, voz y multimodalApache-2.0
S

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.

567ayerVisión, voz y multimodalApache-2.0
O

watch-skill

oxbshw/watch-skill

Las capacidades de DeepWatch, instalables en un perfil de DeepSeek Harness existente.

378hace 2 mesesVisión, voz y multimodalMIT
K

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.

292hace 4 díasVisión, voz y multimodalApache-2.0
Y

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.

259hace 16 horasVisión, voz y multimodal
S

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.

231el mes pasadoVisión, voz y multimodalMIT
E

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.

202hace 25 díasVisión, voz y multimodalAGPL-3.0
D

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.

197hace 10 horasVisión, voz y multimodalApache-2.0
F

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.

189hace 23 díasVisión, voz y multimodalMIT
N

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.

156anteayerVisión, voz y multimodalApache-2.0
K

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.

133hace 4 díasVisión, voz y multimodalApache-2.0
F

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.

130hace 7 horasVisión, voz y multimodalApache-2.0
F

brewreel

finderchangchang/brewreel

BrewReel (精酿) para DeepSeek Harness: crea videos promocionales verticales desde un JSON de storyboard.

118el mes pasadoVisión, voz y multimodalApache-2.0
Q

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.

111ayerVisión, voz y multimodalApache-2.0
W

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.

95hace 13 díasVisión, voz y multimodalMIT
P

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.

75hace 3 mesesVisión, voz y multimodalMIT
C

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.

69hace 2 mesesVisión, voz y multimodalMIT