Vai al contenuto principale

Visione, voce e multimodale

I plugin Visione, voce e multimodale danno occhi, orecchie e voce ai modelli DeepSeek solo testo di DeepSeek-Harness (dsh). Trova strumenti di visione e route di provider che eseguono OCR e descrivono gli screenshot incollati tramite Zhipu GLM, Gemini, Doubao o Ollama in locale, input vocale dal microfono tramite la Web Speech API del browser o API compatibili con Whisper, lettura ad alta voce con Edge TTS o voci personalizzate, modalità vocali full-duplex, e generatori di immagini, video e musica.

578 plugin trovati

Z

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

zhu1090093659/dsh-web-ui

Uno strumento vision `describe_image` per modelli solo testo: le immagini (percorso locale, URL, allegato) vengono inviate a un endpoint vision configurabile compatibile con OpenAI e solo il testo restituito entra nella sessione.

8k2 mesi faVisione, voce e multimodaleApache-2.0
L

modlens

liustack/modlens

Ponte visivo per modelli solo testuali: incolla un'immagine e ottieni prove strutturate in JSON (OCR, layout, semantica).

5kl’altro ieriVisione, voce e multimodaleMIT
D

ipollowork

devin-axis/ipollowork

iPolloWork HyperFrames Video Studio e 27 modelli video modificabili come vista di conversazione nativa di DeepSeek Harness.

4.2k3 mesi faVisione, voce e multimodale
S

dsh-image-gen

shanliuling/dsh-image-gen

Generazione di immagini conversazionale nativa per DeepSeek Harness: chiedi all'agente di creare un'immagine e si occupa della generazione e mantiene il risultato direttamente nella conversazione.

1.6k5 giorni faVisione, voce e multimodaleApache-2.0
Y

dsh-vision-router

ysr666/dsh-vision-router

Vision gratuita per agenti solo testuali: catena di vision integrata senza chiave, più strumenti pixel (Q&A, grounding, ritaglio, confronto pixel, colori, OCR, tracciamento SVG, ritaglio silhouette, screenshot); incolla un'immagine per usarla.

1.3kl’altro ieriVisione, voce e multimodaleMIT
A

dsh-vision-toolkit

anionex/dsh-vision-toolkit

Visione per modelli solo testo: incolla un'immagine e il modello passa alla variante Vision Toolkit per domande e risposte su immagini, confronto tra più immagini, OCR di screenshot lunghi, riproduzione dell'UI da screenshot, grounding degli elementi e differenze pixel. Nessuna chiave API per impostazione predefinita — le immagini vengono elaborate dal servizio gratuito ospitato dall'autore, 100 per macchina al giorno; configurabile sul proprio provider.

9454 giorni faVisione, voce e multimodaleMIT
T

tongflow

tong-io/tongflow

Plugin studio TongFlow per DeepSeek Harness (dsh): modello di progetto in stile troupe cinematografica, flussi di lavoro TongFlow creati dall'agente, generazione multimediale deterministica, tela incorporata.

8703 mesi faVisione, voce e multimodaleAGPL-3.0
S

dsh-see-now

saos-3624/dsh-see-now

Consente a un agente solo testuale di osservare uno schermo in diretta o il feed di una videocamera. Valuta quanto cambia ogni fotogramma e raccoglie solo quelli rilevanti in un foglio numerato con l’inviluppo audio, così il modello vede i cambiamenti reali invece di uno screenshot ogni pochi secondi.

661l’altro ieriVisione, voce e multimodaleApache-2.0
S

dsh-video-storyboard

saos-3624/dsh-video-storyboard

Trasforma un video (file locale o link Bilibili/yt-dlp) in una griglia di storyboard consultabile: celle numerate, timestamp esatti, trascrizione per cella e inviluppo audio sulla stessa timeline. video_zoom rilegge qualsiasi intervallo a risoluzione superiore, così un modello solo testuale può esaminare il video invece di leggere un riepilogo.

550l’altro ieriVisione, voce e multimodaleApache-2.0
O

watch-skill

oxbshw/watch-skill

Le capacità di DeepWatch, installabili in un profilo DeepSeek Harness esistente

3782 mesi faVisione, voce e multimodaleMIT
Y

dsh-tts-bridge

yuuyuko-uu/dsh-tts-bridge

Legge ad alta voce le conversazioni DSH usando la lettura ad alta voce integrata della pagina web DeepSeek, gestita da una piccola estensione del browser.

25716 giorni faVisione, voce e multimodale
S

dsh-sd-bridge-guard

savinglighting/dsh-sd-bridge-guard

Plugin DeepSeek Harness: nove funzioni locali di generazione Stable Diffusion (testo-immagine, immagine-immagine, ritocco con maschera, solo generazione di script, script allineati in due versioni, comando di iniezione locale di livello C, elenco modelli, gestione del servizio e controllo d’integrità), protocollo di instradamento dei contenuti vietati e opzioni di livello C. Il livello A elenca modelli/LoRA/proporzioni dopo la generazione per ripeterla con una frase; le maschere del livello C si disegnano con il mouse. Nessun adattamento tra computer: rilevamento automatico della cartella SD, installazione autoconfigurata in un passaggio se manca, risultati nella workspace della sessione.

231mese scorsoVisione, voce e multimodaleMIT
K

dsh-qwen-studio

kingcharleslzy-ai/dsh-qwen-studio

Workspace Qwen Image 2.1 per DSH: MLX su Apple Silicon o server NVIDIA personale, editing nativo con riferimenti, LoRA, ControlNet, inpainting, preset condivisi, galleria e avanzamento live dell’agente. Include aggiornamenti verificati e guida alla configurazione dell’agente.

2303 giorni faVisione, voce e multimodaleApache-2.0
E

eac-design-world

ebony-vinyl/eac-design-world

Plugin locale di produzione video e design per DeepSeek Harness: montaggio multitraccia, template e sistema di design, canvas di anteprima nativo ed esportazione di file reali.

20224 giorni faVisione, voce e multimodaleAGPL-3.0
D

dsh-imagegen

dickpy/dsh-imagegen

Generazione di immagini basata su IA per la GUI web di DSH: da testo a immagine e da immagine a immagine tramite un endpoint configurabile compatibile con OpenAI (gpt-image-2 / gpt-image-1 / dall-e-3), con una scheda di impostazioni api_url/api_key e uno studio di generazione a riquadri divisi nella barra laterale.

19515 ore faVisione, voce e multimodaleApache-2.0
F

dsh-comfyui

fandc520/dsh-comfyui

Guida un server ComfyUI locale o remoto da DeepSeek Harness: gli strumenti comfyui_run / comfyui_object_info / comfyui_workflow generano e modificano immagini e video, con una libreria di workflow (estrazione del grafo: per componente / flusso principale / tutto), un'area di caricamento con corrispondenza automatica della risoluzione, una coda in tempo reale, modelli SDXL e Wan 2.1, una skill complementare e un proxy multimediale della stessa origine.

18922 giorni faVisione, voce e multimodaleMIT
N

dsh-infinite_canvas

ninkch/dsh-infinite_canvas

Studio di creazione a nodi per DeepSeek Harness: crea script, storyboard, immagini di riferimento e video multi-shot su una tela infinita, anche in batch dalla chat. Servono provider personali per immagini/video/TTS (endpoint compatibili OpenAI o API video in stile Seedance/Sora). Se non configurati, funziona offline in modalità demo con media segnaposto.

156l’altro ieriVisione, voce e multimodaleApache-2.0
K

dsh-spicy

kingcharleslzy-ai/dsh-spicy

Plugin per la creazione di contenuti NSFW compatibile con Purge. Usa modelli self-hosted in DeepSeek Harness per creare immagini per adulti, video con audio e corti multi-inquadratura; supporta modifica con immagini di riferimento, controllo dello stile LoRA e montaggio dello storyboard con Agent.

1333 giorni faVisione, voce e multimodaleApache-2.0
F

dsh-voice-prompt-enhancer

fishsb/dsh-voice-prompt-enhancer

Riscrive una bozza del compositore in un prompt più chiaro e strutturato, con 5 modalità, catena di fallback dei modelli e memoria multi-turno facoltativa. Aggiunge all’input vocale DSH stop in caso di silenzio, tasto rapido e rimozione delle parole riempitive. La trascrizione usa ancora speechToText ufficiale; il plugin non include un motore.

1309 ore faVisione, voce e multimodaleApache-2.0
F

brewreel

finderchangchang/brewreel

BrewReel (精酿) per DeepSeek Harness: crea video promozionali verticali da uno storyboard JSON.

118mese scorsoVisione, voce e multimodaleApache-2.0
Q

dsh-imagegen-video

q253595422/dsh-imagegen-video

Generazione di immagini e video AI per la GUI Web DSH. Cataloghi per canale e adattamento per famiglia (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), studio laterale, canvas infinito a nodi, anteprima file, skill del canvas e modelli prompt. Il video supporta testo/immagine in video, primo/ultimo keyframe e più riferimenti, invio/sondaggio/download asincroni, strumenti video host, nodi video e unione locale con ffmpeg di due o più nodi in un MP4.

103l’altro ieriVisione, voce e multimodaleApache-2.0
W

dsh-media-desk

woniuniuniu/dsh-media-desk

Workspace per la creazione di contenuti per DeepSeek Harness: annota un’idea in una frase e genera con un clic copione, copertina, illustrazioni e storyboard.

9512 giorni faVisione, voce e multimodaleMIT
P

dsh-omi-voice

polinnizhong/dsh-omi-voice

Lettura ad alta voce in chat per DeepSeek Harness: tocca per leggere, mettere in pausa e riprendere le risposte dell'IA con voci Doubao TTS naturali (BYOK); legge solo la risposta finale, con codice, tabelle e diagrammi filtrati; motore locale, il plugin non conserva alcuna chiave API.

753 mesi faVisione, voce e multimodaleMIT
C

deepseek-harness-video-director

chiphoton/deepseek-harness-video-director

🎬Regista basato sull'IA: plugin di generazione video MiniMax-H3 diretto da DeepSeek-Harness. 🤖Più che prompt. 🪄Interfaccia a canvas.

692 mesi faVisione, voce e multimodaleMIT