Plugins

Capture de fenêtre façon Codex pour DSH Desktop sur macOS et Windows : appuyez sur les deux touches Command (macOS) ou les deux touches Ctrl (Windows), ou sur le bouton caméra, pour capturer la fenêtre au premier plan, la joindre au chat en cours et injecter un arbre d'accessibilité de style VoiceOver comme contexte masqué.

Alertes audio et vocales pour la Web GUI de dsh : tonalités distinctes et synthèse vocale facultative pour les approbations, questions, achèvements et erreurs.

Fait sonner votre téléphone via CallKit : outils `call_me` et `text_me`, plus des appels optionnels en fin de tour ou pour approbation, dont la réponse orale est retranscrite dans la session.

Interaction vocale en chinois full-duplex pour DSH Web : dictez et modifiez des tâches, soumettez des demandes, gérez les sessions, répondez aux questions DSH et écoutez des annonces concises de fin de tâche.

Micro du compositeur pour l'interface web : appuyez pour surveiller la transcription en direct et maintenez pour parler, avec une lecture de réponse par Edge TTS de l'hôte diffusée pendant que le modèle génère, une pause d'écho pendant la lecture, et un appui pour arrêter.

Pont QQ bidirectionnel sur OneBot v11 (WebSocket inverse) : sessions par groupe et par chat privé, voix speech-to-text citée par @, visualisation privée d'images/images animées, outils de visage et de sticker.

Pont WeChat bidirectionnel pour DeepSeek Harness via le protocole iLink : liez votre WeChat personnel avec un scan QR et discutez avec un agent DSH local depuis la zone de chat (texte, images, voix-vers-texte, fichiers) ; un panneau de paramètres Web gère la liaison/le démarrage/l'arrêt/le statut, la liaison projet-session continue la conversation sur bureau, les pushes wechat_notify proactifs incluent la limitation de débit, et le démon purement Node tourne sur Windows/macOS/Linux.

Bouton micro dans la rangée d'outils du composer : speech-to-text Web Speech API (Chrome/Edge), commutation de langue, et envoi automatique optionnel, zéro dépendance.

Plugin multimodal propulsé par MiniMax : mode d'appel vocal en temps réel (conversation en streaming, interface dock flottant), mode vocal et saisie vocale par micro, ainsi que des outils de génération d'images/vidéos/musique/parole et d'inspection visuelle.

Installe Herta comme agent DeepSeek Harness : un preset portant ses sections de prompt de persona et de mémoire, six outils de mémoire et de voix, une couche narrative qui sépare sa réflexion de ce qu'elle dit, 80 clips vocaux fournis, la synthèse vocale hors ligne et MiniMax, et deux vues de conversation qui rendent la session avec ses propres composants.

Mémoire markdown à long terme entre sessions, avec une structure LLM-Wiki et un persona SOUL.md, injectée au début de la session, plus des flux remember/recall/consolidate/forget, un skill de mémoire intégré, des outils de migration pack/unpack et une relance de rappel à la première personne pendant les temps d'inactivité. Ajoute aussi l'observabilité et l'entretien qui manquaient : budget de bloc de démarrage par fichier, horodatage automatique de last_access pour que la décroissance de saillance fonctionne, tableau de bord de santé en lecture seule, compilateur d'index déclaratif, graphe de mémoire interactif, requêtes structurées, suggestions de liens croisés et rapport checkup terminé par une liste d'actions priorisées. La charge de démarrage a été réduite d'environ 23 %.

Outils vocaux : synthèse vocale neuronale gratuite avec edge-tts, transcription ASR compatible OpenAI, liste des voix, aperçu des voix par lot et autodiagnostic de l'état.

Mode vocal full-duplex pour l'interface web : dictée par pression pour basculer ou maintien (touche d'envoi ou `Ctrl`) avec sous-titres en direct, ASR SenseVoice côté hôte via sherpa-onnx, réponses parlées phrase par phrase, et parler interrompt la lecture et le tour en cours (vraie interruption). Aucune clé API.

Boucle vocale gratuite pour l'interface web : entrée micro via SpeechRecognition du navigateur avec résultats intermédiaires en direct, boutons haut-parleur de lecture à voix haute et lecture automatique des réponses de l'assistant, sans configuration et sans clé d'API.

Bundle tout-en-un pour DSH : fenêtre de bureau Windows native (WebView2), vision DeepEye (GLM-4V-Flash) et saisie vocale (bouton micro) en une seule installation.

Sonneries de fin de tâche par espace de travail, plus des sons d'alerte pour l'approbation, les questions, la revue de plan, le blocage d'objectif et l'échec de tâche, avec synthèse intégrée, voix (TTS) et audio personnalisé.

Station de travail omni-modale pour DSH : analyze_image sur une chaîne de basculement VLM ordonnée à plusieurs cartes, une boîte à outils de vision à six outils (zoom, échantillonnage de couleurs, diff de pixels, OCR, détection d'éléments, affichage en ligne) partageant le même résolveur d'images, generate_image via les protocoles OpenAI/DashScope/ComfyUI, generate_video asynchrone multi-cartes avec un constructeur /build-video-tool, et TTS speak/clone_voice sur sept fournisseurs, le tout piloté par une seule page de paramètres à enregistrement automatique.

Saisie à une main, sans clavier, pour la zone de rédaction : maintenez le bouton de la souris enfoncé sur la zone de saisie, parlez, relâchez — le texte atterrit dans le brouillon, et glisser vers le haut annule sans laisser une phrase à moitié écrite. Pas de bouton micro à viser ni de raccourci à mémoriser ; la main n'a jamais à quitter la zone de saisie, ce qui est tout l'intérêt quand l'autre main est occupée. La reconnaissance fonctionne entièrement hors ligne (SenseVoice via sherpa-onnx, aucune clé API, l'audio ne quitte jamais la machine).

Joue un carillon et une alerte vocale en chinois lorsqu'une fenêtre d'approbation, de question ou de revue de plan apparaît dans l'interface web DSH, pour ne jamais manquer une demande.

Assistant vocal pour dsh web : prononcez la phrase de réveil (par ex. « 小鲸 ») pour activer la dictée mains libres — ce que vous dites est transcrit et saisi automatiquement dans la zone de chat. Prend en charge les commandes d'édition vocales (envoyer, effacer, nouvelle ligne, arrêter la lecture) et lit à voix haute les réponses de l'assistant en chinois. La reconnaissance vocale s'exécute localement dans le navigateur via sherpa-onnx WASM, elle fonctionne donc hors ligne sans clé API.

Animal de compagnie de bureau fille-baleine pour DeepSeek Harness : mascotte flottante du navigateur plus animal de bureau Windows partageant un même backend de données, avec tableau de solde en temps réel, notifications de tâches, interaction de caresse sur la tête, 19 répliques vocales pré-synthétisées avec émotion par réplique et parole en veille sensible à la présence.

Génération audio IA pour l'interface web DeepSeek Harness — TTS multi-fournisseurs, musique, effets sonores et conception vocale avec panneau latéral, comparaison de modèles, bibliothèque de ressources et outils Agent.

Conversations vocales continues pour DSH avec écoute mains libres, push-to-talk, reconnaissance vocale, réponses TTS et délégation d'Agent en arrière-plan.

TTS local en temps réel pour DeepSeek Harness : préréglages vocaux, lecture automatique, assistant de configuration du moteur, bouton de lecture à voix haute et panneau de réglages pour le moteur GSV-TTS-Lite.