Plugin
Sfoglia, filtra e installa i plugin di DeepSeek-Harness.
73 plugin trovati
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.
EduWork (dsh-knowledge-studio)
ecnu/eduwork
Studio basato su workspace per report, slide, tabelle, mappe mentali, quiz, flashcard, audio e video fondati sulle fonti, con modelli DSH e servizi condivisi per gli artefatti. La generazione Office richiede Python 3.12+ con le relative dipendenze e DSH_OFFICE_PYTHON configurato; il rendering multimediale richiede Chromium e l’ASR locale richiede anche whisper.cpp e un modello.
Envoy (envoy-dsh)
regrevia/envoy
Incolla un link e l’agente lo legge. Xiaohongshu, Douyin, Bilibili, WeChat, articoli, PDF e audio diventano Markdown citabile per wiki/base di conoscenza. A/B esplorativo su 60 turni (limiti di tempo diversi, correttezza non verificata da persone): lettura completata 22%→92% (+70 punti), timeout 68%→0%, risposte con un fatto reale della fonte 23%→82%. Su 123 link reali, 80% utilizzabili (93% delle pagine che hanno risposto); un link irraggiungibile viene segnalato in 26 s. Compatibile con Codex, Claude Code e DSH.
dsh-prompt-enhancer
fishsb/dsh-prompt-enhancer
Miglioramento dei prompt con un clic (5 modalità, catena di memoria, fallback multi-modello) più riconoscimento vocale (Qwen3-ASR cloud / SenseVoice offline, arresto automatico al silenzio) per il composer, con riavvio del servizio DSH con un clic.
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-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.
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-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-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.
dsh-bili-watch
sacredbluedragon/dsh-bili-watch
Converte video Bilibili in testo strutturato per l’IA: metadati, commenti, danmaku, sottotitoli, ASR locale e OCR dei fotogrammi. Elaborazione locale, nessun upload cloud; controlla i fotogrammi per rilevare sottotitoli-esca, riusa la cache e crea manifest e riepilogo per l’IA. L’OCR dei fotogrammi richiede ffmpeg. ASR/OCR locali richiedono ambienti virtuali Python 3.10+ e, su Windows, anche il runtime VC++; i sottotitoli IA richiedono l’accesso a Bilibili.
dsh-bilibili
czx2244/dsh-bilibili
Analisi dei video Bilibili: metadati, trascrizione (fallback ASR tramite Bijian/sherpa-onnx/whisper.cpp), commenti, danmaku e fotogrammi chiave nitidi con descrizioni visive locali opzionali.
dsh-video-understand
ilps2/dsh-video-understand
Strumento a basso costo per la comprensione dei video: un tool video_understand trasforma un link Bilibili / BV / un video locale in un layer informativo AVIS (ASR + struttura delle scene + tracking degli oggetti + etichette YOLO) e restituisce summary + Q&A. Routing dinamico tra layer guidato dalle domande (L0 ASR / L1 tracking oggetti / L2 VLM su keyframe), riuso del layer semantico per domande ripetute, tetto di budget per singola domanda. Motore Python: il layer base richiede faster-whisper / opencv / yt-dlp (~200-300MB); il layer semantico opzionale aggiunge ~2GB di torch / transformers / ultralytics. Un doctor --fix incluso configura il venv e installa entrambi.
dsh-video-lens
dundunhan/dsh-video-lens
Fornisce agli agenti DeepSeek Harness solo testo la comprensione video: campionamento fotogrammi consapevole della scena + VLM + trascrizione ASR opzionale fusi in prove sulla linea temporale. / Plugin di comprensione video per modelli solo testo (campionamento fotogrammi consapevole della scena + VLM + trascrizione vocale opzionale).
dsh-video-vision
destinhue/dsh-video-vision
5 strumenti: `video_outline` mappa testo senza token immagine (4–60 finestre/tempi); `video_probe` metadati/piano senza decodifica; `video_storyboard` contact sheet/indice timecode, zoom/deduplica; `video_zoom` ingrandisce 1–9 celle; `video_read` OCR solo keyframe, schema/[mm:ss]. Solo audio: sottotitoli→`DSH_ASR_CMD`→transcript; audio lungo: segmenti di circa 45 s, tagliati nei silenzi. Da 10 min solo keyframe. OCR: Windows, tesseract line boxes/`DSH_OCR_CMD`. `bilibili.com/video/BV...`, bare BV/av/b23.tv: ≤300 s CDN senza disco; lunghi: 1 download, cache 4 GB/24 video; URL play 10 min. Richiede ffmpeg, ffprobe se presente, nessun’altra dipendenza runtime. Wire-compatible SAOS-3624/dsh-video-storyboard; stessi nomi `video_probe`/`video_storyboard`/`video_zoom` impediscono uso insieme.
dsh-media-lens
drscrewdriver/dsh-media-lens
Prove da media locali (video/audio/immagini): timeline, trascrizione, regioni. Fallback per media in meta.attempts, mai silenzioso: multimodale host→OpenAI compatibile/rotazione chiavi→ffmpeg/ASR locale→metadati. Cooldown solo auth/quota; candidato conservato in coda, non scartato. Oscura errori prima del taglio; magic byte, non estensione. vision-bridge facoltativo; registrazione multimodale/AV inline (video_url/input_audio) richiede peer opzionali dsh-thinking-levels e dsh-llm-openai-completions; assenti, degrada senza errori. Default remoto; strictLocalOnly mantiene locale. ffmpeg/ffprobe e CLI ASR locale non inclusi, servono solo al fallback locale; se assenti, degrada ai metadati. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, enum engines.dsh); npm dsh-media-lens.
dsh-video-storyboard-hp
dsh-raising-plan/dsh-video-storyboard-hp
Fork ad alte prestazioni di SAOS-3624/dsh-video-storyboard: installa questo oppure l'upstream, non entrambi. Trasforma un video in griglie storyboard indirizzabili (celle numerate, timestamp e riga di trascrizione per cella, inviluppo audio). Richiede Node 20+ e ffmpeg/ffprobe nel PATH; senza traccia sottotitoli serve un endpoint ASR configurato.
dsh-xiaoai-bridge
omsociety/dsh-xiaoai-bridge
Trasforma uno speaker smart XiaoAI (Xiaomi) in assistente vocale: avvia il bridge locale, attende la parola di attivazione, riconosce il parlato (ASR/STT), continua la conversazione nella sessione Host e riproduce la risposta tramite sintesi vocale (TTS).
dsh-voice
stardustlc666/dsh-voice
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.
dsh-voice
haoku123/dsh-voice
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.
dsh-voice-call
pandapolo/dsh-voice-call
Chiamate vocali avviate dall’agente: `offer_call` fa squillare l’umano (接听/拒接/稍后再说); le chiamate accettate vengono sintetizzate e riprodotte in locale con CrispASR + Qwen3-TTS (9 voci, 2 dialetti cinesi), mentre quelle rifiutate restituiscono la decisione all’agente.
DSH-Video2Agent (dsh-video2agent)
harm0ny-ai/dsh-video2agent
Consente all’agente di comprendere i video e rispondere: domande su contenuto, confronto o utilità di visione di video Bilibili o locali. La ricerca tra video restituisce video e timecode, prova del fotogramma esatto e analisi in batch da 1 a 10 video. Privilegia l’elaborazione locale; ASR/OCR cloud e accesso Bilibili sono facoltativi. Richiede Python 3.11+, FFmpeg e CLI (pip install video2agent). Le impostazioni controllano e installano l’ambiente. Le route HTTP non verificano l’accesso DSH e una pagina web potrebbe richiamarle.
dsh-vidlens
cctv2333/dsh-vidlens
Campiona i video come una persona senza scaricarli: prima metadata/capitoli, poi frame con timestamp, transcript prima dai sottotitoli (ASR locale solo se la piattaforma non li offre), tag audio AudioSet a 527 classi e commenti principali. 21 tool condividono una cache su disco con lock interprocesso. Richiede Python 3.10+, ffmpeg e vidlens (pip install vidlens-mcp); se manca propone due soluzioni invece di un ImportError nudo.
dsh-lark-plus
anfruj/dsh-lark-plus
Bridge tra DeepSeek Harness e Feishu/Lark: offre chat, schede, approvazioni, bacheca delle attività, obiettivi e pianificazioni in Feishu, oltre alla trascrizione vocale completamente locale (offline) con barra di riproduzione nella Web GUI.
dsh-hold-to-talk
wangzhanchao883/dsh-hold-to-talk
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).