Plugin

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.

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.

I/O vocale per DeepSeek Harness — speech-to-text e text-to-speech tramite microfono e uscita audio.

Guardrail per la scrittura di romanzi: 20 strumenti novel_* impongono coerenza del registro dei fatti, gate di fase e capitolo, audit automatico con metriche deterministiche e revisioni solo come proposte; un workbench del pannello di destra copre lettura, riproduzione TTS, rifinitura, correzione di bozze, controlli di continuità e stesura in batch, e un motore di bypass esegue i passaggi interni fuori dalla conversazione principale.

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.

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.

Aggiunge la sintesi vocale Xiaomi MiMo a DSH Web con lettura ad alta voce dei messaggi dell'assistente, streaming PCM, voci predefinite e personalizzate, fallback alla sintesi vocale del browser, controlli di riproduzione e suoni dell'interfaccia opzionali.

Ponte multimodale MiniMax: un unico strumento `mmx_bridge` copre comprensione/generazione di immagini, video, TTS, musica, copertine, ricerca web e quota; sostituzione opzionale di `web_search`/`read_image`; player e anteprime immagine incorporati direttamente nella GUI web (npm: `dsh-mmx-bridge`).

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.

Notifiche sonore a tema Perlica (Arknights: Endfield) a livelli: toni plan-ready, task-done, needs-your-input ed error; silenzioso per le chat semplici, riproduzione a livello di sistema (funziona in background), multipiattaforma (Windows/macOS/Linux), suoni TTS personalizzati.

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.

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.

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.

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.

Legge ad alta voce le risposte dell'assistente in DeepSeek Harness: fornitori di sintesi vocale con riproduzione in streaming.

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.

Casella di notifiche in uscita: l'agente notifica proattivamente tramite toast / voce TTS in cinese / effetti sonori (esplosione, vittoria, allarme), con una finestra di conferma di 60 secondi che ti richiama a voce, aumento del volume e pannello impostazioni.

Note vocali in ingresso, risposte parlate in uscita: detta audio che diventa messaggi utente (trascrizione), fai leggere ad alta voce le risposte dall'agente (sintesi vocale), local-first sotto ~/.dsh/voice

Assistente di chiamata vocale per la GUI web di DSH: una pallina di chiamata fluttuante e trascinabile, VAD lato browser che invia ogni frase dopo una pausa, riconoscimento vocale FunASR HTTP o in streaming, risposte TTS di MiniMax o compatibili OpenAI, una modalità opzionale con wake word e auto-sospensione, e invio di attività a sessioni subagente separate con progresso, stop e resoconti vocali di completamento.