Plugins

Captura de ventana al estilo Codex para DSH Desktop en macOS y Windows: pulsa ambas teclas Command (macOS) o ambas teclas Ctrl (Windows), o el botón de cámara, para capturar la ventana frontal, adjuntarla al chat actual e inyectar un árbol de accesibilidad estilo VoiceOver como contexto oculto.

Alertas de audio y voz para la Web GUI de dsh: tonos diferenciados y voz opcional para aprobaciones, preguntas, finalizaciones y errores.

Hace sonar tu teléfono mediante CallKit: herramientas `call_me` y `text_me`, más llamadas opcionales de fin de turno y de aprobación cuya respuesta hablada se transcribe de vuelta a la sesión.

Interacción por voz en chino full-dúplex para DSH Web: dicta y edita tareas, envía solicitudes, gestiona sesiones, responde preguntas de DSH y escucha anuncios concisos de finalización de tareas.

Micrófono del compositor para la interfaz web: pulsa para monitorizar la transcripción en vivo y mantén pulsado para hablar, con lectura de respuesta mediante Edge TTS del host que se transmite mientras el modelo genera, pausa de eco durante la lectura y pulsa para detener.

Puente QQ bidireccional sobre OneBot v11 (WebSocket inverso): sesiones por grupo y por chat privado, voz speech-to-text entrecomillada con @, visualización privada de imágenes/pegatinas animadas, herramientas de cara y pegatina.

Puente bidireccional con WeChat para DeepSeek Harness mediante el protocolo iLink: vincula tu WeChat personal con un escaneo de QR y chatea con un agente DSH local desde la caja de chat (texto, imágenes, voz a texto, archivos); un panel web de ajustes gestiona vinculación/inicio/parada/estado, la vinculación proyecto-sesión continúa la conversación en el escritorio, los envíos proactivos wechat_notify incluyen limitación de velocidad, y el daemon puro en Node se ejecuta en Windows/macOS/Linux.

Botón de micrófono en la fila de herramientas del compositor: voz a texto con la API Web Speech (Chrome/Edge), cambio de idioma y envío automático opcional, cero dependencias.

Plugin multimodal impulsado por MiniMax: modo de llamada de voz en tiempo real (conversación en streaming, interfaz de dock flotante), modo de voz y entrada de voz por micrófono, además de herramientas de generación de imagen/video/música/voz y de inspección visual.

Instala a Herta como agente de DeepSeek Harness: un preset que incluye secciones de prompt de su persona y memoria, seis herramientas de memoria y voz, una capa narrativa que separa lo que piensa de lo que dice, 80 clips de voz incluidos, síntesis de voz offline y MiniMax, y dos vistas de conversación que representan la sesión con sus propios componentes.

Memoria markdown de largo plazo entre sesiones con estructura LLM-Wiki y persona SOUL.md, inyectada al inicio de la sesión (por defecto solo tras el primer mensaje del usuario y solo en la sesión activa); flujos remember/recall/consolidate/forget, skill de memoria integrada, herramientas de migración pack/unpack y un aviso de recuerdo en primera persona en tiempos de inactividad. Añade: presupuesto de boot-block por archivo, sellado automático de last_access, panel de salud, compilador de índice (las páginas declaran summary:), grafo de memoria interactivo, consultas estructuradas por etiqueta/tipo/relevancia, sugerencias de enlaces cruzados e informe `checkup` con acciones priorizadas.

Herramientas de voz: síntesis de voz neuronal gratuita con edge-tts, transcripción ASR compatible con OpenAI, lista de voces, vista previa de voces por lotes y autodiagnóstico de estado.

Modo de voz full-dúplex para la interfaz web: dictado con toque para alternar o mantener pulsado (tecla de envío o `Ctrl`) con subtítulos en vivo, ASR SenseVoice del lado del host mediante sherpa-onnx, respuestas habladas oración por oración, y hablar interrumpe la reproducción y el turno en curso (verdadera interrupción). Sin clave de API.

Bucle de voz gratuito para la interfaz web: entrada de micrófono con SpeechRecognition del navegador con resultados provisionales en vivo, además de botones de altavoz para leer en voz alta y lectura automática de las respuestas del asistente, sin configuración y sin clave de API.

Paquete todo en uno para DSH: la ventana de escritorio nativa de Windows (WebView2), visión DeepEye (GLM-4V-Flash) y entrada de voz (botón de micrófono) en una sola instalación.

Tonos de finalización por espacio de trabajo, además de sonidos de atención para eventos de aprobación, pregunta, revisión de plan, objetivo bloqueado y fallo de tarea, con síntesis integrada, voz (TTS) y audio personalizado.

Estación de trabajo omnimodal para DSH: analyze_image sobre una cadena ordenada de conmutación por error VLM de varias tarjetas, un conjunto de seis herramientas de visión (zoom, muestreo de color, diferencia de píxeles, OCR, detección de elementos y visualización en línea) que comparten el mismo resolutor de imágenes, generate_image mediante los protocolos OpenAI/DashScope/ComfyUI, generate_video asíncrono con varias tarjetas y un constructor /build-video-tool, y speak/clone_voice TTS en siete proveedores, todo gobernado por una única página de ajustes con autoguardado.

Entrada con una sola mano y sin teclado para el compositor: mantén pulsado el ratón sobre el cuadro de entrada, habla y suelta — el texto aparece en el borrador, y deslizar hacia arriba cancela sin dejar media frase. No hay botón de micrófono al que apuntar ni atajo que recordar; la mano nunca tiene que salir del área de entrada, que es justo lo importante cuando la otra mano está ocupada. El reconocimiento se ejecuta totalmente sin conexión (SenseVoice mediante sherpa-onnx, sin clave de API, el audio nunca sale del equipo).

Reproduce un timbre y una alerta de voz en chino cuando aparece un popup de aprobación, pregunta o revisión de plan en la interfaz web de DSH, para que nunca pierdas una solicitud.

Asistente de voz para dsh web: di la frase de activación (p. ej. «小鲸») para activar el dictado manos libres — lo que dices se transcribe y se escribe automáticamente en el cuadro de chat. Admite comandos de edición hablados (enviar, borrar, nueva línea, detener la lectura) y lee en voz alta las respuestas del asistente en chino. El reconocimiento de voz se ejecuta localmente en el navegador mediante sherpa-onnx WASM, así que funciona sin conexión y sin clave de API.

Mascota de escritorio chica-ballena para DeepSeek Harness: mascota flotante del navegador más mascota de escritorio de Windows que comparten un único backend de datos, con tablero de saldo en tiempo real, avisos de tareas, interacción de caricia en la cabeza, 19 líneas de voz pre-sintetizadas con emoción por línea y habla inactiva con detección de presencia.

Generación de audio con IA para la GUI web de DeepSeek Harness: TTS de múltiples proveedores, música, efectos de sonido y diseño de voz con panel lateral, comparación de modelos, biblioteca de recursos y herramientas de Agent.

Conversaciones de voz continuas para DSH con escucha manos libres, pulsar para hablar, reconocimiento de voz, respuestas TTS y delegación de Agent en segundo plano.

TTS local en tiempo real para DeepSeek Harness: preajustes de voz, lectura automática, asistente de configuración del motor, botón de lectura en voz alta y un panel de ajustes para el motor GSV-TTS-Lite.