Plugin

Spazio di studio per DeepSeek Harness: importa PDF, DOCX, PPTX, Markdown e registrazioni delle lezioni, crea flashcard con fonti, quiz e domande aperte e pianifica ripassi dilazionati SM-2 in un pannello Web integrato. La trascrizione delle registrazioni richiede una tua chiave SiliconFlow, Groq o Gemini. Richiede DSH 0.2.0-rc.2 o successivo, ma inferiore a 0.3.

Biblioteca di paper, lettore PDF e tutor. Le pagine citate portano al passaggio e lo evidenziano; domande su selezioni senza uscire dal paper. Piano di lettura, guida per sezione, quiz valutati tra sessioni. MinerU (self-hosted senza registrazione; cloud mineru.net richiede token) legge scansioni; formule citabili con clic (LaTeX in chat), ricercabili via QK^T e elencate per pagina. Endpoint embeddings opzionale per ricerca semantica. Eliminazioni recuperabili in .trash. Scorrimento/pagina singola, barra destra fullscreen, copia percorso, PDF tradotto, alternanza originale↔cinese con babeldoc senza preinstallazione. Trascrizione/ricerca locali per default; solo cloud MinerU/embeddings/traduzione attivati inviano il testo corrispondente al servizio configurato.

Trascrizione locale di riunioni in DeepSeek Harness su macOS Apple Silicon: registra microfono e audio di sistema, etichetta i parlanti ed esporta la trascrizione.

Cervello DeepSeek + trascrizione automatica delle immagini: allega immagini nella GUI e ognuna viene trascritta tramite il deepseek-v4-flash-vision-exp ufficiale per impostazione predefinita (un cervello V4-Pro puramente testuale può vedere le immagini), con qualsiasi VLM compatibile con OpenAI o Ollama locale come alternative.

model router per passo: preset nominati con regole ordinate di gruppi immagine/parole chiave instradano ogni passo dell'agente attraverso ogni provider e modello montato, aggiungendo flussi di collaborazione per la trascrizione delle immagini, una protezione delle immagini, un pannello quote multi-piano e osservabilità delle decisioni per passo.

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.

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.

Canale WeChat (account personale, iLink Bot API) per chattare con l'agente DSH da WeChat, con immagini, file e trascrizione delle note vocali. Una conversazione WeChat può contenere più sessioni DSH (/new, /list, /use); tutte le opzioni si modificano nelle impostazioni. Pubblicato su npm come dsh-plugin-weixin.

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.

Aggiunge un canale QQ a dsh tramite OneBot 11 (NapCat e simili): WebSocket inverso o diretto, chat private e di gruppo, trascrizione di immagini e voce, schede testo-immagine t2i, inoltri raggruppati e pagina delle impostazioni.

Generazione locale di immagini, voce, musica ed effetti sonori, più trascrizione, con identità fissata: personaggi, animali, oggetti e voci degli attori vengono definiti una volta e riutilizzati in ogni chiamata successiva; l'output degenerato (immagine quasi piatta, audio silenzioso) viene rifiutato invece di essere restituito come successo, e una riga generata può essere riletta come testo, così che un clone che ha inghiottito la propria fine diventi visibile. I motori si scaricano quando inattivi, e la generazione di immagini e la trascrizione possono ciascuna puntare a un'API di forma OpenAI invece del backend Vulkan locale.

Input vocale da microfono per il composer: trascrizione live tramite Web Speech API del browser, deduplicazione/auto-continuazione, punteggiatura intelligente, impostazioni di lingua e invio automatico

Downloads a Bilibili video with yt-dlp, samples key frames, and transcribes it — from the site subtitles, or from a local faster-whisper install when there are none. Registers the skill the agent uses to write the summary; activates when a user message contains only a video link. Requires yt-dlp and ffmpeg on PATH; transcription needs faster-whisper.

Converte un link Xiaohongshu, Douyin, TikTok, YouTube o X in testo: trascrizione con timecode, testo a schermo, una descrizione e OCR di ogni immagine, didascalia e metadati. Monta il server MCP ospitato su streamable HTTP.

Trascrizione video con priorità ai sottotitoli, esportazione SRT, controlli di processo annullabili e fallback a faster-whisper large-v3 quando i sottotitoli non sono disponibili.

Add MiniMax image understanding, image generation, speech synthesis, and transcription tools to DeepSeek Harness.

Reads a video or audio file into metadata, sampled stills, subtitles and a multilingual speech transcript with speaker labels, captures the live desktop as frames or a recording, and installs its ffmpeg/whisper.cpp/sherpa-onnx toolchain on first use with per-file sha256 checks; all processing stays local. Automatic toolchain install and desktop capture currently support Windows x64 only, so elsewhere ffmpeg and model paths must be set manually.

Dictate prompts into the DeepSeek Harness Web Client — a microphone in the composer, with swappable transcription: hosted Whisper API, self-hosted server, or a fully offline whisper.cpp binary.

Subtitle-first video transcription and deterministic extractive Markdown summaries, with a faster-whisper large-v3 fallback when subtitles are unavailable.

MiMo (Xiaomi) tools as a DSH profile plugin: web search, image/audio/video understanding, ASR transcription, TTS, voice design and voice cloning — native agent tools with a Settings page for the API key.

DeepSeek Harness plugin: multimodal tools (image/audio/video/document understanding, transcription, image generation) via Gemini API or the local Antigravity CLI.