Plugins

Canalización diaria automatizada de contenido para Insta360 GO 3S: captura remota BLE/WiFi de metraje de acuario, importación inalámbrica, evaluación de calidad ffmpeg con registro de decisiones, edición automática (selección de segmentos, narración TTS, música, subtítulos) y subida a Bilibili mediante biliup (dry-run por defecto).

Puente de Telegram para DeepSeek Harness: sesiones bidireccionales, dirección de conversaciones, enrutamiento por canal principal y notas de voz TTS enviadas como mensajes de audio de Telegram.

Chat de voz estilo Doubao para DSH: mantener pulsado el micrófono del compositor convierte la voz en texto y la envía automáticamente, y las respuestas de la IA se leen en voz alta. Condensado opcional por LLM (las respuestas largas se resumen en frases habladas cortas siguiendo el modelo de la conversación actual), limpieza de texto apta para TTS, voces Edge TTS seleccionables, parada automática por silencio ajustable y ajustes integrados en el diálogo de configuración de DSH.

Reproduce las respuestas del agente en la interfaz web de DeepSeek Harness mediante una cadena de respaldo de proveedores (OpenAI, ElevenLabs, Google, Azure, Groq, Deepgram, OpenRouter, Edge, Piper, eSpeak), de modo que un proveedor que falle o tenga límite de tasa pase al siguiente en lugar de quedar en silencio.

Convierte el último turno completado de una sesión de DSH en un vídeo recapitulativo vertical compartible: guion gráfico editable de cinco escenas, redacción de privacidad en el host, mejora opcional con IA y narración TTS, exportación MP4/WebM con portada PNG.

Voz dúplex completa local-first para DeepSeek Harness, orquestada por Muxiva

Llamadas de voz iniciadas por el agente: `offer_call` hace sonar al humano (接听/拒接/稍后再说); las llamadas aceptadas se sintetizan y reproducen localmente con CrispASR + Qwen3-TTS (9 voces, 2 dialectos chinos), y las rechazadas devuelven la decisión al agente.

Lee en voz alta las respuestas del asistente solo mediante la API de Fish Audio (lleva tu propia clave): lectura por mensaje, interruptor de autolectura y una página de ajustes para el modelo, el reference_id de la voz, la clave de API cifrada y el proxy.

Live2D session view with realtime voice: continuous voice input, streaming TTS, subtitle translation, multi-model catalog, standalone entry / Live2D 实时语音会话视图：连续语音输入、流式 TTS、字幕翻译、多模型目录、独立入口

Per-reply read-aloud with a multi-provider settings page — MiniMax or any OpenAI-compatible /audio/speech endpoint, with voice, emotion, speed and model selection plus an auto-read toggle.

Local-first voice conversations for DSH, with local speech recognition and synthesis and optional external providers.

MiniMax 语音识别（asr-1.0）+ 语音合成（speech-2.8-hd）的 DeepSeek Harness 全局插件：转写工具、任务结束后用喇叭念一句的播报、实时免手对话、303 个音色可选

Audio Copilot for DeepSeek Harness: transcribe audio (ASR) and synthesize speech (TTS) — gives text-only agents ears and a voice. Windows-local SAPI TTS out of the box; OpenAI-compatible ASR/TTS endpoints configurable. Includes an in-composer voice-input

Voz para DeepSeek Harness (dsh): entrada de voz a texto y lectura en voz alta mediante TTS para DeepSeek de solo texto, sin necesidad de clave de API.

Speaker button beside the composer microphone — one click scrolls to the start of your newest question, marks it with a blinking caret and reads from there through the newest agent reply (dsh-tts, browser voice as fallback); press-and-drag-right picks any other reading start position on the page, press-and-drag-up opens a vertical mixer for in-page media volume and system output volume.

Speaks a short status line when DSH changes state — turn done, turn error, job done, job failed, goal complete, goal blocked, an approval waiting, or the agent needs your answer — using eight pre-recorded clips in Chinese (default) and English. The audio is played by the host process through ffplay, or through the Windows PowerShell player that ships with the OS, so it does not depend on a Web Audio tab. Windows only.

Speaks your agent's reports in a voice you choose, compressing long reports before speaking. Character voices need no training - a 3-10 second reference clip clones one, and community-trained models work too - and no 6.4 GB GPT-SoVITS install: the plugin installs its own runtime and voice. An existing GPT-SoVITS can be used instead, and it is the same voice model.

Adds a speaker button immediately right of the Like button on every finalized assistant reply; click it to hear the reply through the browser speech engine, and hover it for a speed and voice panel.

Xiaomi MiMo-powered voice for DeepSeek Harness: browser 🎤/🧠/🔊 UI, voice_transcribe/voice_understand/voice_speak tools, configurable voice map (preset/voicedesign/voiceclone). Fork of zhuiyueya/dsh-voice (MIT), Settings pattern from Anionex/dsh-vision-toolkit (MIT).

Reads AI replies aloud as they stream, with voiced waiting phrases while the model thinks. Edge TTS built in, any OpenAI-compatible cloud engine supported.

Live2D avatar stage and desktop companion for DSH: bundled Haru sample, custom Cubism 2/3+ model loading with scale and position controls, a draggable in-page pet, an optional transparent always-on-top desktop pet window, per-conversation expression prompt control, and opt-in voice with self-hosted ASR/TTS.

DeepSeek Harness plugin: turn lines of narration into a finished vertical reel. Free neural voice-over, burned-in captions, no API keys.

XiaoShuang desktop pet for DSH: six-layer memory, persona injection, mood-driven video avatar, manual emotion menu, and TTS replies.

Voice for the DeepSeek Harness: speak to the agent, hear it back, and see what it is doing from a floating window that stays on top of whatever you are running.