Saltar al contenido principal

Plugins

Explora, filtra e instala plugins de DeepSeek-Harness.

73 plugins encontrados

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.

550anteayerVisión, voz y multimodalApache-2.0
E

EduWork (dsh-knowledge-studio)

ecnu/eduwork

Studio basado en espacios de trabajo para crear informes, diapositivas, tablas, mapas mentales, cuestionarios, tarjetas, audio y vídeo fundamentados en fuentes, usando modelos DSH y servicios compartidos de artefactos. La generación de documentos Office requiere Python 3.12+ y sus dependencias, además de configurar DSH_OFFICE_PYTHON; el renderizado multimedia requiere Chromium, y el ASR local también requiere whisper.cpp y un modelo.

370hace 16 horasHerramientas y funcionesMulanPSL-2.0
R

Envoy (envoy-dsh)

regrevia/envoy

Pega un enlace y el agente lo lee. Convierte Xiaohongshu, Douyin, Bilibili, WeChat, artículos, PDF y audio en Markdown con citas para wiki o base de conocimiento. A/B exploratoria de 60 turnos (con límites de tiempo distintos y sin revisión humana de la corrección): lectura completada 22%→92% (+70 puntos), tiempos agotados 68%→0%, respuestas con un hecho real de la fuente 23%→82%. En 123 enlaces reales, 80% resultó utilizable (93% de las páginas que respondieron); un enlace inaccesible se informa en 26 s. Compatible con Codex, Claude Code y DSH.

136hace 12 horasHerramientas y funcionesApache-2.0
F

dsh-prompt-enhancer

fishsb/dsh-prompt-enhancer

Mejora de prompts con un clic (5 modos, cadena de memoria, fallback multimodelo) más reconocimiento de voz (Qwen3-ASR en la nube / SenseVoice sin conexión, parada automática en silencio) para el compositor, con reinicio del servicio DSH con un clic.

121hace 12 díasHerramientas y funcionesApache-2.0
B

dsh-voice-ai-girlfriend-plugin

beiyege-01/dsh-voice-ai-girlfriend-plugin

Novia de IA por voz para la interfaz web: entrada de micrófono con FunASR, respuestas habladas con Qwen3-TTS, ventana de animación de compañía y chat bidireccional de QQ (texto/voz/imagen push) mediante NapCat.

57hace 23 díasVisión, voz y multimodal
P

dsh-voice-scribe

pensivefei/dsh-voice-scribe

Entrada de voz para la interfaz web de DSH: toca o mantén Alt para dictar en el compositor. SenseVoice ASR local por defecto (sin conexión, sin configuración ni clave); recurre automáticamente a Web Speech del navegador. Admite una cadena ASR opcional compatible con OpenAI, pulido con modelos configurados en DSH e interfaz de ajustes.

36hace 16 díasVisión, voz y multimodalMIT
Q

dsh-voice-mode (dsh-voice-mode)

qishuilalala/dsh-voice-mode

Modo de voz dúplex completo para la interfaz web de DeepSeek Harness: conmutación (envío automático tras pausa de 2 s) o dictado pulsar-para-hablar en un borrador editable con ASR en streaming zipformer2, palabra de activación opcional; lectura en voz alta Edge TTS oración por oración con subtítulos en vivo, y la voz interrumpe la reproducción y el turno en curso (barge-in real). ASR en el dispositivo, sin clave de API.

33hace 3 díasVisión, voz y multimodalMIT
W

dsh-ears

wiziscool/dsh-ears

Plugin de entrada de voz para DeepSeek Harness (dsh): un botón de micrófono en el compositor convierte el habla en un borrador transcrito, con opción de backends de reconocimiento de voz, pulido opcional mediante las rutas LLM propias de dsh y una página de configuración nativa.

31hace 4 díasVisión, voz y multimodalMIT
H

dsh-asr-plugin

huliux/dsh-asr-plugin

Transcripción local de reuniones para DeepSeek Harness en macOS con Apple Silicon: grabación de doble pista, borradores de transcripción en directo con etiquetas de hablante y resúmenes con referencias @ organizados en decisiones y tareas.

20hace 7 díasVisión, voz y multimodalApache-2.0
S

dsh-bili-watch

sacredbluedragon/dsh-bili-watch

Convierte videos de Bilibili en texto estructurado para IA: metadatos, comentarios, danmaku, subtítulos, ASR local y OCR de fotogramas. El procesamiento es local, sin subir datos a la nube; comprueba fotogramas para detectar subtítulos señuelo, reutiliza caché y genera un manifiesto y resumen para IA. El OCR de fotogramas requiere ffmpeg. ASR/OCR local requiere entornos virtuales Python 3.10+ y, en Windows, el runtime VC++; los subtítulos IA requieren iniciar sesión en Bilibili.

18anteayerHerramientas y funcionesMIT
C

dsh-bilibili

czx2244/dsh-bilibili

Análisis de vídeos de Bilibili: metadatos, transcripción (con respaldo ASR vía Bijian/sherpa-onnx/whisper.cpp), comentarios, danmaku y fotogramas clave nítidos con descripciones de visión local opcionales.

17hace 25 díasHerramientas y funcionesMIT
I

dsh-video-understand

ilps2/dsh-video-understand

Herramienta de comprensión de video de bajo coste: una herramienta video_understand convierte un enlace de Bilibili / BV / video local en una capa de información AVIS (ASR + estructura de escenas + seguimiento de objetos + etiquetas YOLO) y devuelve un resumen + Q&A. Incluye enrutamiento dinámico entre capas guiado por preguntas (L0 ASR / L1 seguimiento de objetos / L2 VLM de fotograma clave), reutilización de la capa semántica para preguntas repetidas y un tope de presupuesto por pregunta. Motor Python: la capa principal necesita faster-whisper / opencv / yt-dlp (~200-300MB); la capa semántica opcional añade ~2GB de torch / transformers / ultralytics. Un doctor --fix incluido configura el venv e instala ambos.

15hace 10 díasHerramientas y funciones
D

dsh-video-lens

dundunhan/dsh-video-lens

Da a los agentes de DeepSeek Harness solo de texto comprensión de vídeo: muestreo de fotogramas consciente de la escena + VLM + transcripción ASR opcional fusionados en evidencia de línea de tiempo. / Complemento de comprensión de vídeo para modelos solo de texto (muestreo de fotogramas consciente de la escena + VLM + transcripción de voz opcional).

13hace 3 mesesVisión, voz y multimodalMIT
D

dsh-video-vision

destinhue/dsh-video-vision

5 herramientas: `video_outline` mapa textual sin tokens de imagen (4–60 ventanas iguales/tiempos exactos); `video_probe` metadatos/plan sin decodificar; `video_storyboard` contact sheet e índice timecode con zoom/dedupe; `video_zoom` amplía 1–9 celdas; `video_read` OCR solo de keyframes, esquema/[mm:ss]. Solo audio: subtítulos→`DSH_ASR_CMD`→transcript; audio largo: segmentos de ~45 s, cortados en silencios. ≥10 min: solo keyframes. OCR: Windows, tesseract line boxes o `DSH_OCR_CMD`. `bilibili.com/video/BV...`, bare BV/av/b23.tv: ≤300 s CDN sin disco; largo: 1 descarga, cache 4 GB/24 vídeos; URL play 10 min. Requiere ffmpeg, ffprobe si existe, sin otras deps runtime. Wire-compatible con SAOS-3624/dsh-video-storyboard; comparte `video_probe`/`video_storyboard`/`video_zoom`, no coexisten.

10anteayerVisión, voz y multimodalMIT
D

dsh-media-lens

drscrewdriver/dsh-media-lens

Evidencias de medios locales (vídeo/audio/imagen): cronología, transcripción y regiones. Fallback por medio en meta.attempts, no silencioso: multimodal host→OpenAI compatible/rotación de claves→ffmpeg/ASR local→metadatos. Cooldown solo auth/cuota; candidato retenido al final, no descartado. Enmascara errores antes de cortar; detecta magic bytes, no extensión. vision-bridge opcional; registro multimodal/AV inline (video_url/input_audio) requiere peers opcionales dsh-thinking-levels y dsh-llm-openai-completions; si faltan, degrada sin error. Predeterminado remoto; strictLocalOnly mantiene local. ffmpeg/ffprobe y ASR CLI local no incluidos, solo para fallback local; si faltan, degrada a metadatos. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, enum engines.dsh); npm dsh-media-lens.

10anteayerVisión, voz y multimodal
D

dsh-video-storyboard-hp

dsh-raising-plan/dsh-video-storyboard-hp

Fork de alto rendimiento de SAOS-3624/dsh-video-storyboard: instala este plugin o el upstream, no ambos. Convierte vídeos en cuadrículas de storyboard direccionables (celdas numeradas, marca de tiempo y línea de transcripción por celda, envolvente de audio). Requiere Node 20+ y ffmpeg/ffprobe en PATH; si el archivo no tiene pista de subtítulos, requiere un endpoint ASR configurado.

8hace 20 díasVisión, voz y multimodalMIT
O

dsh-xiaoai-bridge

omsociety/dsh-xiaoai-bridge

Convierte un altavoz inteligente XiaoAI (Xiaomi) en asistente de voz: ejecuta el bridge local, escucha la palabra de activación, reconoce lo que dices (ASR/STT), mantiene la conversación en la sesión Host y reproduce la respuesta en el altavoz mediante síntesis de voz (TTS).

6hace 21 horasVisión, voz y multimodalMIT
S

dsh-voice

stardustlc666/dsh-voice

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.

6anteayerVisión, voz y multimodalMIT
H

dsh-voice

haoku123/dsh-voice

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.

6hace 8 díasVisión, voz y multimodalMIT
P

dsh-voice-call

pandapolo/dsh-voice-call

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.

4hace 11 díasVisión, voz y multimodalMIT
H

DSH-Video2Agent (dsh-video2agent)

harm0ny-ai/dsh-video2agent

Permite que el agente entienda vídeos y responda preguntas directamente. Consulta vídeos de Bilibili o locales sobre su contenido, comparaciones o si merece la pena verlos. La búsqueda entre vídeos devuelve el vídeo y el código de tiempo; también ofrece evidencia del fotograma exacto y análisis por lotes de 1 a 10 vídeos. Prioriza el uso local, con ASR/OCR en la nube e inicio de sesión de Bilibili opcionales. Requiere Python 3.11+, FFmpeg y la CLI (pip install video2agent); Ajustes comprueba e instala el entorno. Las rutas HTTP no verifican DSH y una página web abierta podría invocarlas.

3hace 23 horasVisión, voz y multimodalApache-2.0
C

dsh-vidlens

cctv2333/dsh-vidlens

Muestrea videos como una persona, sin descargarlos: primero metadatos y capítulos, luego fotogramas con marca temporal, transcripción con subtítulos primero (ASR local solo si la plataforma no tiene subtítulos), etiquetas de sonido AudioSet de 527 clases y comentarios destacados. 21 herramientas comparten una caché en disco con bloqueo entre procesos. Requiere Python 3.10+, ffmpeg y vidlens (pip install vidlens-mcp); si falta, ofrece dos formas de solucionarlo en vez de un ImportError.

3hace 16 díasVisión, voz y multimodalMIT
A

dsh-lark-plus

anfruj/dsh-lark-plus

Puente entre DeepSeek Harness y Feishu/Lark: ofrece chat, tarjetas, aprobaciones, tablero de tareas, objetivos y horarios en Feishu, además de transcripción de voz completamente local (sin conexión) con una barra de reproducción en la Web GUI.

3el mes pasadoIntegraciones y acceso remotoMIT
W

dsh-hold-to-talk

wangzhanchao883/dsh-hold-to-talk

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).

3hace 2 mesesVisión, voz y multimodalMIT