Plugins

Espacio de estudio para DeepSeek Harness: importa tus PDF, DOCX, PPTX, Markdown y grabaciones de clase, crea tarjetas con fuentes, cuestionarios y preguntas abiertas, y programa repasos espaciados SM-2 en un panel web integrado. La transcripción de grabaciones requiere tu propia clave de SiliconFlow, Groq o Gemini. Requiere DSH 0.2.0-rc.2 o posterior, pero inferior a 0.3.

Biblioteca, lector PDF y tutor de papers. Las páginas citadas llevan al pasaje y lo resaltan; permite preguntar por una selección sin salir. Incluye plan de lectura, guía por secciones y quizzes calificados entre sesiones. MinerU (self-hosted sin registro; nube mineru.net requiere token) lee escaneos; fórmulas citables con clic (LaTeX al chat), buscables por QK^T y listadas por página. Endpoint embeddings opcional para búsqueda semántica. Borrados recuperables en .trash. Modos scroll/página, barra derecha fullscreen, copia de ruta, PDF traducido y original↔chino con babeldoc sin preinstalar. Transcripción/búsqueda locales por defecto; solo cloud MinerU/embeddings/traducción activados envían el texto correspondiente al servicio configurado.

Transcripción local de reuniones en DeepSeek Harness para macOS con Apple Silicon: graba micrófono y audio del sistema, etiqueta a los hablantes y exporta la transcripción.

Cerebro DeepSeek + transcripción automática de imágenes: adjunta imágenes en la GUI y cada una se transcribe mediante el modelo oficial deepseek-v4-flash-vision-exp por defecto (un cerebro V4-Pro puramente textual puede ver imágenes), con cualquier VLM compatible con OpenAI u Ollama local como alternativas.

model router por paso: preajustes con nombre y reglas ordenadas de grupos de imagen/palabras clave que enrutan cada paso del agente a través de cada proveedor y modelo montado, añadiendo flujos de colaboración para transcripción de imágenes, un protector de imagen, un panel de cuotas multiplan y observabilidad de decisiones por paso.

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.

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.

Canal de WeChat (WeChat personal, iLink Bot API) para hablar con tu agente DSH desde WeChat, con imágenes, archivos y transcripción de notas de voz. Una conversación puede contener varias sesiones DSH (/new, /list, /use); todas las opciones se editan en Settings. También está publicado en npm como dsh-plugin-weixin.

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.

Añade un canal QQ a dsh mediante OneBot 11 (NapCat y otros): WebSocket inverso o directo, chats privados y grupales, transcripción de imágenes y voz, tarjetas de texto a imagen (t2i), reenvíos agrupados y página de ajustes.

Generación local de imagen, voz, música y efectos de sonido, además de transcripción, con identidad fijada: los personajes, animales, objetos y voces de actores se definen una vez y se reutilizan en cada llamada posterior; la salida degenerada (una imagen casi plana, audio silencioso) se rechaza en lugar de devolverse como éxito, y una línea generada puede leerse de vuelta como texto para que un clon que se tragó su final se haga visible. Los motores se descargan cuando están inactivos, y la generación de imágenes y la transcripción pueden apuntar cada una a una API con forma de OpenAI en lugar del backend local Vulkan.

Entrada de voz por micrófono para el editor: transcripción en vivo mediante la Web Speech API del navegador, deduplicación/continuación automática, puntuación inteligente, y ajustes de idioma y envío automático.

Downloads a Bilibili video with yt-dlp, samples key frames, and transcribes it — from the site subtitles, or from a local faster-whisper install when there are none. Registers the skill the agent uses to write the summary; activates when a user message contains only a video link. Requires yt-dlp and ffmpeg on PATH; transcription needs faster-whisper.

Convierte un enlace de Xiaohongshu, Douyin, TikTok, YouTube o X en texto: transcripción con códigos de tiempo, texto en pantalla, una descripción y OCR de cada imagen, leyenda y metadatos. Monta el servidor MCP alojado mediante streamable HTTP.

Transcripción de vídeo que prioriza los subtítulos con exportación a SRT, controles de trabajos cancelables y un respaldo faster-whisper large-v3 cuando no hay subtítulos disponibles.

Add MiniMax image understanding, image generation, speech synthesis, and transcription tools to DeepSeek Harness.

Reads a video or audio file into metadata, sampled stills, subtitles and a multilingual speech transcript with speaker labels, captures the live desktop as frames or a recording, and installs its ffmpeg/whisper.cpp/sherpa-onnx toolchain on first use with per-file sha256 checks; all processing stays local. Automatic toolchain install and desktop capture currently support Windows x64 only, so elsewhere ffmpeg and model paths must be set manually.

Dictate prompts into the DeepSeek Harness Web Client — a microphone in the composer, with swappable transcription: hosted Whisper API, self-hosted server, or a fully offline whisper.cpp binary.

Subtitle-first video transcription and deterministic extractive Markdown summaries, with a faster-whisper large-v3 fallback when subtitles are unavailable.

MiMo (Xiaomi) tools as a DSH profile plugin: web search, image/audio/video understanding, ASR transcription, TTS, voice design and voice cloning — native agent tools with a Settings page for the API key.

DeepSeek Harness plugin: multimodal tools (image/audio/video/document understanding, transcription, image generation) via Gemini API or the local Antigravity CLI.