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.
610 plugin trovati
dsh-plugin-xiaomi-mimo-tts
ppy-web/dsh-plugin-xiaomi-mimo-tts
Aggiunge Xiaomi MiMo, Doubao, Breeze e la voce del browser a DSH, con adattatori per provider esterni e modelli locali, filtro del testo, lettura vocale in streaming, download audio, effetti sonori, pet desktop e integrazione con QQ Bot e AI Passport.
dsh-plugin-tts
1624318455/dsh-plugin-tts
Legge ad alta voce le risposte dell'assistente tramite Edge TTS gratuito o i tuoi modelli vocali RVC: pulsanti di lettura ad alta voce + lettura automatica, riproduzione progressiva a blocchi adattivi (letture lunghe senza interruzioni), installazione con un clic di pacchetti vocali da un registro e un runtime RVC portatile.
dsh-voice-ai-girlfriend-plugin
beiyege-01/dsh-voice-ai-girlfriend-plugin
Fidanzata IA vocale per la UI Web: input microfono con FunASR, risposte vocali Qwen3-TTS, finestra animata del compagno e chat QQ bidirezionale (push di testo/voce/immagine) tramite NapCat.
dsh-watch-together
saos-3624/dsh-watch-together
Guarda video insieme a un agente solo testuale: ffmpeg e l’estensione inclusa comunicano la posizione reale di riproduzione (non un timer) e passano un segmento alla volta poco prima della fine. Non include un motore TTS; emette eventi vocali temporizzati. Per ascoltarli serve una propria configurazione voce/TTS.
any-audio
cloudoyx/any-audio
Studio audio DSH con registrazioni reali, vari TTS, effetti autentici e canto sintetizzato locale. Ogni suono generato è un clip sulla timeline visibile da ascoltare, bilanciare e rifinire per traccia. Per animazione, audiolibri, radiodrammi, composizione, mix e ASMR.
dsh-design-qa
sunxin-ai/dsh-design-qa
QA di fedeltà al design per modelli solo testuali: uno strumento `deepseek_vision` prende in prestito un occhio da qualsiasi percorso vision compatibile con OpenAI, così il modello può giudicare se un'implementazione corrisponde al mock — fornito con il benchmark alla base di quel giudizio (quattro fixture, 23 difetti iniettati, trascrizioni grezze) e la disciplina di interrogazione da cui dipende.
dsh-music-panel
aliboder/dsh-music-panel
Player locale e online per DeepSeek Harness: libreria multiradice, NetEase / QQ Music / KuGou / Bodian / Qishui / Navidrome, 14 scene testi Folia, traduzione di playlist e testi, cache, livellamento EBU R128, EQ a 10 bande con AutoEQ, crossfade intelligente, ricerca in elenco e modifica tag/copertine. Credenziali e dati restano sul computer. Le rotte HTTP non verificano l’accesso DSH: una pagina aperta nel browser potrebbe richiamarle.
dsh-qwen-paint
yanfei0725/dsh-qwen-paint
Plugin DSH / DeepSeek Harness tutto-in-uno per video, generazione immagini e TTS, in esecuzione locale (gruppo QQ 454707710). ★ 0.34.0: SageAttention / Comfy-WaveSpeed entrano nella catena di accelerazione, rilevati tramite il vero /object_info e mostrati sempre nella scheda. TTS opzionale con GPT-SoVITS v5 / IndexTTS2, clonazione vocale zero-shot trascinando l’audio, musica BGM con ACE-Step 1.5 / YuE2, super-risoluzione manuale, keep-alive Worker hot/warm/cold. ★ Da 0.33.0 la licenza passa a BSL 1.1.
dsh-voice-scribe
pensivefei/dsh-voice-scribe
Input vocale per la UI web di DSH: tocca o tieni premuto Alt per dettare nel composer. SenseVoice ASR locale per impostazione predefinita (offline, senza configurazione né chiave), con fallback automatico a Web Speech del browser. Supporta una catena ASR opzionale compatibile con OpenAI, rifinitura con modelli configurati in DSH e UI delle impostazioni.
picturereader
jing-hy/picturereader
«Lettura» delle immagini per modelli solo testo: riduzione della scala + riduzione della profondità colore + impronte di struttura/colore convertite in griglie di testo restituite alla conversazione, permettendo al modello di ingrandire, campionare ed eseguire OCR in autonomia come un modello multimodale; completamente locale, senza alcuna dipendenza da modelli esterni, include una skill di metodologia di lettura delle immagini e PaddleOCR opzionale.
dsh-voice-mode (dsh-voice-mode)
qishuilalala/dsh-voice-mode
Modalità vocale full-duplex per la Web UI di DeepSeek Harness: toggle (invio automatico dopo pausa di 2s) o dettatura hold-to-talk in una bozza editabile con ASR streaming zipformer2, wake word opzionale; lettura ad alta voce Edge TTS frase per frase con sottotitoli live, e il parlato interrompe la riproduzione e il turno in corso (vero barge-in). ASR on-device, nessuna chiave API.
dsh-plugin-image-workbench
guohwa/dsh-plugin-image-workbench
Workbench immagini nella barra DSH: pipeline per illustrazioni/foto, pool locale account integrato e qualsiasi endpoint compatibile OpenAI.
dsh-web-ui (dsh-tool-describe-image)
damonkoy/dsh-web-ui
Fornisce comprensione delle immagini a un modello solo testo tramite un modello vision-language, esposto come strumento `describe_image`.
dsh-soundcheck
alittlelov/dsh-soundcheck
Analizza un file audio locale e offre un breve giudizio in linguaggio semplice su tempo, tonalità, dinamica, clipping e struttura dell’arrangiamento. Le misurazioni grezze restano in un blocco separato; l’audio non lascia il computer.
dsh-dania-voice
xcw520/dsh-dania-voice
Sintesi vocale locale GPT-SoVITS per leggere ad alta voce le risposte dell’assistente DeepSeek Harness, con interruttore trascinabile della mascotte e installazione in un clic. Python 3.10–3.12 deve essere già installato (l’installer lo individua soltanto, non installa Python); consigliati circa 5 GB di spazio e una GPU.
dsh-agnes-studio
zmm863-commits/dsh-agnes-studio
Studio AI per immagini e video come pannello flottante DSH, così la creazione procede accanto alla conversazione invece di sostituirla: da testo a immagine, da immagine a immagine e composizione multi-immagine da 1K a 4K su otto rapporti d'aspetto; da testo a video e da immagine a video con controllo del primo fotogramma da 4 a 12 secondi; modalità cortometraggio che importa una sceneggiatura (.txt/.md/.json) e la suddivide in inquadrature storyboard per anteprima e generazione in blocco; e uno spazio di lavoro per prompt expert. Zero dipendenze a runtime.
dsh-ears
wiziscool/dsh-ears
Plugin di input vocale per DeepSeek Harness (dsh): un pulsante microfono nel compositore converte il parlato in una bozza trascritta, con scelta di backend di riconoscimento vocale, rifinitura opzionale tramite i percorsi LLM propri di dsh e una pagina delle impostazioni nativa.
dsh-image-studio
aa1355721445-lgtm/dsh-image-studio
Aggiunge `image_generate` e `image_library` per scegliere riferimenti da quattro librerie locali (personaggi, abiti, scene, oggetti), espandere nel prompt preset di situazione, espressione, posa, inquadratura e luce e chiamare l'API di attività asincrone 65535 o un'API immagini compatibile OpenAI; il risultato appare nella conversazione. La pagina impostazioni gestisce le librerie e crea una scheda di riferimento a tre viste da immagine caricata o descrizione testuale. Con dsh-daily-schedule installato, se l'abito non è specificato usa quello del personaggio nella voce attuale del programma.
dsh-media-skills
mjorgin/dsh-media-skills
Generazione e lettura di immagini per DSH: pagina Images nella barra laterale, una riga per modello, 10 rapporti, dimensioni 1K–4K, provino con schede dettagliate, zoom, riuso ed eliminazione. Tre provider predefiniti (uno senza chiave), endpoint personalizzati e skill di revisione visiva. La chiave incollata viene scritta in ~/.dsh/secrets/media-tools.env (permessi 600) e inviata solo al provider scelto. La pagina segue la lingua di Harness (cinese o inglese). Richiede Python 3.9+; generazione con scripts/generate.py; pagina con DSH Desktop 0.2.1+.
dsh-vision
oil-oil/dsh-vision
Comprensione delle immagini quasi nativa per DeepSeek Harness.
dsh-visual-plugin
jyh20030112/dsh-visual-plugin
Dona la vista ai modelli solo testuali: inoltra le immagini dell'utente a un modello di visione compatibile con OpenAI e mostra le descrizioni in un pannello destro dell'interfaccia web.
dsh-doubao-painter
liangzz1998/dsh-doubao-painter
Controlla il client desktop Doubao locale via CDP per generare immagini con lo strumento doubao_paint: testo-immagine, immagine-immagine e prompt in batch. Scarica gli originali senza filigrana dal CDN di Doubao, non le miniature con logo incorporato. Richiede il client Doubao installato, con accesso effettuato e avviato con una porta di debug.
dsh-talk
perrylink/dsh-talk
I/O vocale per DeepSeek Harness — speech-to-text e text-to-speech tramite microfono e uscita audio.
dsh-asr-plugin
huliux/dsh-asr-plugin
Trascrizione locale di riunioni per DeepSeek Harness su macOS Apple Silicon: registrazione a doppia traccia, bozze di trascrizione live con etichette dei relatori e riepiloghi referenziati con @, organizzati in decisioni e attività.