Passer au contenu principal

Vision, voix et multimodal

Les plugins Vision, voix et multimodal donnent des yeux, des oreilles et une voix aux modèles DeepSeek texte seul de DeepSeek-Harness (dsh). Trouvez des outils de vision et des routes de fournisseur qui font l'OCR et décrivent les captures collées via Zhipu GLM, Gemini, Doubao ou Ollama en local, une saisie vocale au micro via la Web Speech API du navigateur ou des API compatibles Whisper, une lecture à voix haute avec Edge TTS ou des voix personnalisées, des modes vocaux full-duplex, et des générateurs d'images, de vidéos et de musique.

578 plugins trouvés

Z

dsh-web-ui (dsh-tool-describe-image)

zhu1090093659/dsh-web-ui

Un outil de vision `describe_image` pour les modèles texte uniquement : les images (chemin local, URL, pièce jointe) sont envoyées vers un point de terminaison de vision OpenAI-compatible configurable et seul le texte renvoyé entre dans la session.

8kil y a 2 moisVision, voix et multimodalApache-2.0
L

modlens

liustack/modlens

Pont de vision pour les modèles texte seul : collez une image, obtenez des preuves JSON structurées (OCR, mise en page, sémantique).

5kavant-hierVision, voix et multimodalMIT
D

ipollowork

devin-axis/ipollowork

iPolloWork HyperFrames Video Studio et 27 modèles de vidéo modifiables sous forme de vue de conversation native pour DeepSeek Harness.

4.2kil y a 3 moisVision, voix et multimodal
S

dsh-image-gen

shanliuling/dsh-image-gen

Génération d'images conversationnelle native pour DeepSeek Harness : demandez à l'agent de créer une image, et il gère la génération et conserve le résultat directement dans la conversation.

1.6kil y a 5 joursVision, voix et multimodalApache-2.0
Y

dsh-vision-router

ysr666/dsh-vision-router

Vision gratuite pour les agents texte seul : chaîne de vision intégrée sans clé, plus des outils pixel (questions-réponses, ancrage, recadrage, diff pixel, couleurs, OCR, tracé SVG, détourage, captures d'écran) ; collez une image pour l'utiliser.

1.3kavant-hierVision, voix et multimodalMIT
A

dsh-vision-toolkit

anionex/dsh-vision-toolkit

Vision pour les modèles texte uniquement : collez une image et le modèle bascule vers la variante Vision Toolkit pour les questions-réponses sur images, la comparaison multi-images, l'OCR de captures longues, la reproduction d'UI à partir de captures, l'ancrage d'éléments et les différences de pixels. Aucune clé API par défaut — les images sont traitées par le service gratuit hébergé par l'auteur, 100 par machine et par jour ; configurable vers votre propre fournisseur.

945il y a 4 joursVision, voix et multimodalMIT
T

tongflow

tong-io/tongflow

Plugin studio TongFlow pour DeepSeek Harness (dsh) : modèle de projet façon équipe de tournage, workflows TongFlow rédigés par l'agent, génération multimédia déterministe, canevas intégré.

870il y a 3 moisVision, voix et multimodalAGPL-3.0
S

dsh-see-now

saos-3624/dsh-see-now

Permet à un agent uniquement textuel d’observer un écran en direct ou un flux caméra. Chaque image est évaluée selon le changement visuel ; seules les importantes sont regroupées sur une planche numérotée avec l’enveloppe audio, afin que le modèle voie les changements réels plutôt qu’une capture toutes les quelques secondes.

661avant-hierVision, voix et multimodalApache-2.0
S

dsh-video-storyboard

saos-3624/dsh-video-storyboard

Transforme une vidéo (fichier local ou lien Bilibili/yt-dlp) en grille de storyboard adressable : cellules numérotées, horodatages exacts, transcription par cellule et enveloppe audio sur la même chronologie. video_zoom relit toute fenêtre en plus haute résolution, afin qu’un modèle textuel puisse examiner la vidéo au lieu de lire un résumé.

550avant-hierVision, voix et multimodalApache-2.0
O

watch-skill

oxbshw/watch-skill

Les capacités de DeepWatch, installables dans un profil DeepSeek Harness existant

378il y a 2 moisVision, voix et multimodalMIT
Y

dsh-tts-bridge

yuuyuko-uu/dsh-tts-bridge

Lit les conversations DSH à voix haute en utilisant la lecture vocale intégrée de la page web DeepSeek, pilotée par une petite extension de navigateur.

257il y a 17 joursVision, voix et multimodal
S

dsh-sd-bridge-guard

savinglighting/dsh-sd-bridge-guard

Plugin DeepSeek Harness : neuf fonctions locales de génération Stable Diffusion (texte vers image, image vers image, repeinture au masque, génération de scripts seule, scripts alignés en deux versions, commande d’injection locale de niveau C, liste des modèles, gestion du service et contrôle d’intégrité), protocole de redirection des contenus interdits et options du niveau C. Le niveau A liste modèles/LoRA/proportions après génération pour relancer d’une phrase ; le niveau C permet de dessiner les masques à la souris. Aucune adaptation entre machines : détection automatique du dossier SD, installation auto-initialisée en une commande s’il manque, et résultats enregistrés dans l’espace de travail de session.

231le mois dernierVision, voix et multimodalMIT
K

dsh-qwen-studio

kingcharleslzy-ai/dsh-qwen-studio

Espace Qwen Image 2.1 pour DSH : MLX sur Apple Silicon ou serveur NVIDIA personnel, édition native avec références, LoRA, ControlNet, inpainting, préréglages partagés, galerie et progression de l’agent en direct. Comprend mises à jour vérifiées et guide de configuration de l’agent.

230il y a 4 joursVision, voix et multimodalApache-2.0
E

eac-design-world

ebony-vinyl/eac-design-world

Plugin local de création vidéo et de design pour DeepSeek Harness : montage multipiste, modèles et système de design, canevas d’aperçu natif et export de fichiers réels.

202il y a 24 joursVision, voix et multimodalAGPL-3.0
D

dsh-imagegen

dickpy/dsh-imagegen

Génération d'images par IA pour l'interface web de DSH : texte-vers-image et image-vers-image via un point de terminaison compatible OpenAI configurable (gpt-image-2 / gpt-image-1 / dall-e-3), avec une carte de configuration api_url/api_key et un studio de génération à volet divisé dans la barre latérale.

195il y a 21 heuresVision, voix et multimodalApache-2.0
F

dsh-comfyui

fandc520/dsh-comfyui

Pilotez un serveur ComfyUI local ou distant depuis DeepSeek Harness : les outils comfyui_run / comfyui_object_info / comfyui_workflow génèrent et modifient des images et des vidéos, avec une bibliothèque de workflows (extraction de graphe : par composant / flux principal / tout), une zone de chargement avec correspondance automatique de résolution, une file d'attente en direct, des modèles SDXL et Wan 2.1, une compétence compagne et un proxy média de même origine.

189il y a 23 joursVision, voix et multimodalMIT
N

dsh-infinite_canvas

ninkch/dsh-infinite_canvas

Studio de création nodal pour DeepSeek Harness : scripts, storyboards, images de référence et génération vidéo multi-plans sur un canevas infini, pilotable par lots depuis le chat. Fournissez vos propres fournisseurs d’image/vidéo/TTS (points de terminaison de type OpenAI ou API vidéo Seedance/Sora) ; sans configuration, le pipeline fonctionne hors ligne en mode démo avec des médias de remplacement.

156avant-hierVision, voix et multimodalApache-2.0
K

dsh-spicy

kingcharleslzy-ai/dsh-spicy

Plugin de création de contenu NSFW compatible avec Purge. Utilise des modèles auto-hébergés dans DeepSeek Harness pour créer des images pour adultes, des vidéos avec audio et des courts métrages à plans multiples ; prend en charge l’édition avec image de référence, le contrôle de style LoRA et le montage de storyboards par Agent.

133il y a 4 joursVision, voix et multimodalApache-2.0
F

dsh-voice-prompt-enhancer

fishsb/dsh-voice-prompt-enhancer

Réécrit un brouillon du composeur en prompt plus clair et structuré (5 modes, chaîne de repli des modèles, mémoire multi-tours facultative). Ajoute à la saisie vocale DSH l’arrêt en cas de silence, un raccourci clavier et le nettoyage des mots de remplissage. La transcription utilise toujours le speechToText officiel ; le plugin ne fournit aucun moteur.

130il y a 15 heuresVision, voix et multimodalApache-2.0
F

brewreel

finderchangchang/brewreel

BrewReel (精酿) pour DeepSeek Harness : créez une vidéo promotionnelle verticale depuis un JSON de storyboard.

118le mois dernierVision, voix et multimodalApache-2.0
Q

dsh-imagegen-video

q253595422/dsh-imagegen-video

Génération d’images et de vidéos par IA pour l’interface Web DSH. Catalogues par canal et adaptation par famille (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), studio latéral, canevas infini à nœuds, aperçu de fichiers, skills de canevas et modèles de prompts. La vidéo gère texte/image vers vidéo, première/dernière image clé et références multiples, avec soumission/sondage/téléchargement asynchrones, outils vidéo côté hôte, nœuds vidéo et assemblage local avec ffmpeg d’au moins deux nœuds en un MP4.

103avant-hierVision, voix et multimodalApache-2.0
W

dsh-media-desk

woniuniuniu/dsh-media-desk

Atelier de création de contenus pour DeepSeek Harness : notez une idée en une phrase et générez en un clic le script, la couverture, les illustrations et le storyboard.

95il y a 13 joursVision, voix et multimodalMIT
P

dsh-omi-voice

polinnizhong/dsh-omi-voice

Lecture à voix haute dans le chat pour DeepSeek Harness : touchez pour lire, mettre en pause et reprendre les réponses de l'IA avec des voix Doubao TTS naturelles (BYOK) ; lit uniquement la réponse finale, code, tableaux et diagrammes filtrés ; moteur local, le plugin ne conserve aucune clé d'API.

75il y a 3 moisVision, voix et multimodalMIT
C

deepseek-harness-video-director

chiphoton/deepseek-harness-video-director

🎬Réalisateur propulsé par l'IA : plugin de génération vidéo MiniMax-H3 dirigé par DeepSeek-Harness. 🤖Plus qu'un prompt. 🪄Interface en canevas.

69il y a 2 moisVision, voix et multimodalMIT