Plugin

Cattura della finestra in stile Codex per DSH Desktop su macOS e Windows: premi entrambi i tasti Command (macOS) o entrambi i tasti Ctrl (Windows), oppure il pulsante fotocamera, per catturare la finestra in primo piano, allegarla alla chat corrente e iniettare un albero di accessibilità in stile VoiceOver come contesto nascosto.

Avvisi audio e vocali per la Web GUI di dsh: toni distinti e sintesi vocale opzionale per approvazioni, domande, completamenti ed errori.

Fa squillare il tuo telefono tramite CallKit: strumenti `call_me` e `text_me`, più chiamate opzionali a fine turno e per l'approvazione, la cui risposta vocale viene trascritta di nuovo nella sessione.

Interazione vocale cinese full-duplex per DSH Web: detta e modifica le attività, invia richieste, gestisci le sessioni, rispondi alle domande DSH e ascolta annunci concisi di completamento delle attività.

Microfono del compositore per l'interfaccia web: tocca per monitorare la trascrizione dal vivo e tieni premuto per parlare, con lettura della risposta tramite Edge TTS dell'host che viene trasmessa mentre il modello genera, pausa dell'eco durante la lettura e tocco per interrompere.

Bridge QQ bidirezionale su OneBot v11 (WebSocket inverso): sessioni per gruppo e per chat privata, sintesi vocale speech-to-text quotata con @, visualizzazione privata di immagini/sticker animati, strumenti per volti e sticker.

Bridge WeChat bidirezionale per DeepSeek Harness tramite il protocollo iLink: associa il tuo WeChat personale con una scansione QR e chatta con un agente DSH locale dalla chat box (testo, immagini, voice-to-text, file); un pannello impostazioni web gestisce binding/avvio/stop/stato, il binding progetto-sessione continua la conversazione sul desktop, i push proattivi wechat_notify includono throttling, e il demone puro Node gira su Windows/macOS/Linux.

Pulsante microfono nella riga degli strumenti del composer: speech-to-text con Web Speech API (Chrome/Edge), cambio lingua e auto-invio opzionale, zero dipendenze.

Plugin multimodale alimentato da MiniMax: modalità chiamata vocale in tempo reale (conversazione in streaming, interfaccia dock flottante), modalità vocale e input vocale dal microfono, oltre a strumenti di generazione di immagini/video/musica/voce e di ispezione visiva.

Installa Herta come agente di DeepSeek Harness: un preset che porta le sezioni di prompt della sua persona e della memoria, sei strumenti di memoria e voce, un livello narrativo che separa ciò che pensa da ciò che dice, 80 clip vocali incluse, sintesi vocale offline e MiniMax, e due viste di conversazione che renderizzano la sessione con i suoi stessi componenti.

Memoria markdown a lungo termine tra sessioni con struttura LLM-Wiki e persona SOUL.md, iniettata all'avvio (di norma solo dopo il primo messaggio e solo nella sessione attiva), più workflow remember/recall/consolidate/forget, skill di memoria integrata, migrazione pack/unpack e un promemoria nei tempi morti. Aggiunge l'osservabilità che mancava: budget per file all'avvio che evita il troncamento della tabella di routing, last_access automatica perché il decadimento della salienza funzioni, compilatore d'indice dichiarativo, grafo di memoria interattivo, query strutturate, link incrociati suggeriti e un report `checkup` con azioni prioritizzate. Il payload di avvio cala del ~23%.

Strumenti vocali: sintesi vocale neurale gratuita con edge-tts, trascrizione ASR compatibile con OpenAI, elenco delle voci, anteprima batch delle voci e autodiagnosi dello stato.

Modalità vocale full-duplex per l'interfaccia web: dettatura con tocco per attivare/disattivare o pressione prolungata (tasto di invio o `Ctrl`) con sottotitoli in diretta, ASR SenseVoice lato host tramite sherpa-onnx, risposte parlate frase per frase, e parlare interrompe la riproduzione e il turno in corso (vera interruzione). Nessuna chiave API.

Circuito vocale gratuito per la Web UI: input microfonico con SpeechRecognition del browser con risultati provvisori in tempo reale, più pulsanti altoparlante per la lettura ad alta voce e lettura automatica delle risposte dell'assistente, zero configurazione e nessuna chiave API.

Bundle tutto-in-uno per DSH: finestra desktop nativa di Windows (WebView2), visione DeepEye (GLM-4V-Flash) e input vocale (pulsante microfono) in un'unica installazione.

Suonerie di completamento per workspace più suoni di attenzione per eventi di approvazione, domanda, revisione del piano, obiettivo bloccato e fallimento del task, con sintesi integrata, voce (TTS) e audio personalizzato

Workstation omni-modale per DSH: analyze_image su una catena ordinata multi-scheda di failover VLM, un toolkit di visione con sei strumenti (zoom, campionamento colori, pixel diff, OCR, rilevamento elementi, visualizzazione inline) che condivide lo stesso resolver di immagini, generate_image sui protocolli OpenAI/DashScope/ComfyUI, generate_video asincrono multi-scheda con un builder /build-video-tool, più TTS speak/clone_voice su sette provider, tutto governato da un'unica pagina di impostazioni con salvataggio automatico.

Input a una mano e senza tastiera per il composer: tieni premuto il mouse sulla casella di input, parla, rilascia — il testo finisce nella bozza, e scorrendo verso l'alto annulli senza lasciare una frase a metà. Nessun pulsante microfono da centrare e nessuna scorciatoia da ricordare; la mano non deve mai lasciare l'area di input, che è il punto quando l'altra mano è occupata. Il riconoscimento gira completamente offline (SenseVoice via sherpa-onnx, nessuna chiave API, l'audio non lascia mai la macchina).

Riproduce un suono e un avviso vocale in cinese quando appare un popup di approvazione, domanda o revisione del piano nell'interfaccia web DSH, così non perdi mai una richiesta.

Assistente vocale per il web dsh: pronuncia la frase di attivazione (ad es. "小鲸") per attivare la dettatura a mani libere — ciò che dici viene trascritto e digitato automaticamente nella casella della chat. Supporta comandi di modifica vocali (invia, cancella, nuova riga, interrompi lettura) e legge ad alta voce in cinese le risposte dell'assistente. Il riconoscimento vocale gira localmente nel browser via sherpa-onnx WASM, quindi funziona offline senza chiave API.

Animaletto da desktop ragazza-balena per DeepSeek Harness: mascotte fluttuante nel browser più animaletto da desktop Windows che condividono un unico backend dati, con bacheca del saldo in tempo reale, avvisi delle attività, interazione di carezza sulla testa, 19 frasi vocali pre-sintetizzate con emozione per frase e parlato inattivo con riconoscimento della presenza.

Generazione audio IA per la GUI web di DeepSeek Harness — TTS multi-vendor, musica, effetti sonori e design della voce con pannello laterale, confronto modelli, libreria di risorse e strumenti Agent.

Conversazioni vocali continue per DSH con ascolto a mani libere, push-to-talk, riconoscimento vocale, risposte TTS e delega di Agent in background.

TTS locale in tempo reale per DeepSeek Harness: preset vocali, lettura automatica, assistente di configurazione del motore, pulsante di lettura ad alta voce e un pannello delle impostazioni per il motore GSV-TTS-Lite.