Plugins

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.

Lee en voz alta las respuestas del asistente mediante Edge TTS gratuito o tus propios modelos de voz RVC: botones de lectura en voz alta + lectura automática, reproducción progresiva por fragmentos adaptativa (lecturas largas sin cortes), instalación de paquetes de voz con un clic desde un registro y un runtime RVC portátil.

Entrada/salida de voz para DeepSeek Harness: reconocimiento de voz a texto y texto a voz a través del micrófono y la salida de audio.

Guardarraíles de escritura de novelas: 20 herramientas novel_* aplican la coherencia del libro de hechos, las puertas de fase y capítulo, la auditoría automática con métricas deterministas y revisiones de propuesta únicamente; un banco de trabajo del panel derecho cubre lectura, reproducción TTS, pulido, corrección, comprobaciones de continuidad y redacción por lotes, y un motor de derivación ejecuta pasos internos fuera de la conversación principal.

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.

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.

Añade texto a voz Xiaomi MiMo a DSH Web con lectura en voz alta de los mensajes del asistente, streaming PCM, diseño de voz predefinido y personalizado, respaldo con la voz del navegador, controles de reproducción y sonidos de interfaz opcionales.

Puente multimodal MiniMax: una única herramienta `mmx_bridge` cubre comprensión/generación de imágenes, vídeo, TTS, música, portadas, búsqueda web y cuota; sustitución opcional de `web_search`/`read_image`; reproductores en línea/vistas previas de imágenes directamente en la GUI web (npm: `dsh-mmx-bridge`).

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.

Notificaciones de sonido por niveles con tema Perlica (Arknights: Endfield): tonos de plan listo, tarea hecha, necesita-tu-entrada y error; silencioso para chat normal, reproducción a nivel de sistema (funciona en segundo plano), multiplataforma (Windows/macOS/Linux), sonidos TTS personalizados.

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.

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.

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.

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.

Lee en voz alta las respuestas del asistente en DeepSeek Harness: proveedores de texto a voz con reproducción en streaming.

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.

Bandeja de salida de notificaciones: el agente te avisa de forma proactiva mediante toast, voz TTS en chino o efectos de sonido (explosión, victoria, alarma); una ventana de confirmación de 60 s te llama por voz, con refuerzo de volumen y panel de ajustes.

Notas de voz de entrada, respuestas habladas de salida: dicta audio que se convierte en mensajes de usuario (transcribir), haz que el agente lea las respuestas en voz alta (hablar), con prioridad local bajo ~/.dsh/voice.

Asistente de llamadas de voz para la GUI web de DSH: una bola de llamada flotante y arrastrable, VAD en el navegador que envía cada intervención tras una pausa, reconocimiento de voz FunASR HTTP o en streaming, respuestas TTS de MiniMax o compatibles con OpenAI, un modo opcional de palabra de activación con auto-suspensión y despacho de tareas a sesiones de subagente separadas con progreso, parada e informes hablados de finalización.