プラグイン

MuApiメディア生成ツール：x-api-key一つで、MuApiの100以上の画像、動画、音声、3Dモデルのいずれかにジョブを送信・ポーリングするmuapi_generateツール。

DSH Webの右側出力ドック：レポート、画像、データ、ビデオ、オーディオ用のセッションスコープタブ、インラインプレビュー、出力品質チェック、検索可能なターン単位履歴を備えています。

DSH Typewriter: WebAudio によるタイピング音の環境音を再生。プラグイン独自の設定 API を備え、音声アセットは一切不要。

音声メモを入力し、音声で回答を受け取れます。話した内容がユーザーメッセージになり(文字起こし)、エージェントの返信を読み上げさせることもできます(発話)。~/.dsh/voice 配下でローカル優先に動作します。

dsh-better-sidebar 向けの音声・動画 FileViewer: mp4/webm/mkv/mov と mp3/flac/wav をネイティブにインライン再生。Range リクエストに対応したストリーミングメディアルートで配信。

暖かな琥珀色の輝き、ライブの月相、流星、タイピングの火花、プロシージャルなチャイム音、日替わりのおみくじを備えた「許願屋」テーマスキン。

DSH の会話に含まれる画像・動画・音声のパスと URL をインラインで表示します。ワークスペース内に限定したローカル読み取りと、任意の ComfyUI プロキシを備えます。

エージェントがターンを終えた瞬間に、Web Audio API だけで作られた短い合成の「ディン」音をブラウザタブで再生します。バックエンドの音声も OS 通知もありません。

DeepSeek Harness向けのTelegramブリッジ:双方向セッション、会話のステアリング、ホームチャネルへのルーティング、およびTTS音声メモのTelegramオーディオメッセージとしての送信。

DSH 向けの Modellix 統合：分割された Design ワークスペースでのスキーマ駆動の画像・動画・音声生成、ライブな LLM モデルカタログ、1 つの API キーによるネイティブの Web 検索および取得プロバイダー。

Fish Audio API のみを使ってアシスタントの返信を音声読み上げします（API キーは各自用意）：メッセージごとの読み上げ、自動読み上げ切り替え、モデル・音声 reference_id・暗号化された API キー・プロキシを設定するページを備えます。

Conversation task-completion reminder for DeepSeek Harness (Web UI and DSH Desktop): a Windows system toast (Web Notification) on every stop — task complete, the agent waiting for your answer (ask_user_question pending), or an error stop (any failed turn

Replaces the reasoning-effort dropdown with a draggable snapping slider, and draws 13 canvas effects across five style families (thrust, fluid, fantasy, tech, texture) with three tiers that unlock as the effort level rises. Custom mode combines 10 particle forms with 8 flow trajectories; 9 accent presets and a hex picker recolor every effect, and optional key sounds cover two voice clips, a synthesized duck squeak, a mechanical click and a local audio file.

Audio cues for DeepSeek Harness: a short synthesized sound when an agent needs confirmation, finishes a turn or a background job, or fails, with five sound packs, per-event toggles and volume, and do-not-disturb rules stored in the host settings document.

Per-reply read-aloud with a multi-provider settings page — MiniMax or any OpenAI-compatible /audio/speech endpoint, with voice, emotion, speed and model selection plus an auto-read toggle.

Local-first file conversion: 26 conversions across images, PDF (with OCR and experimental PDF→DOCX), data, audio/video and office docs; 7 tools, all local, no API keys.

DSH tools for operating a self-hosted Talebook library: search, download, upload and manage books and audiobooks, manage Legado book sources, and admin operations, with approval-gated writes.

Consent-bound one-turn voice preview for DSH Web with a credential-free local synthetic demo, optional Qwen Audio, exact Session isolation, and explicit transcript-to-draft handoff without automatic submission.

DeepSeek Harness plugin: sound alerts for ten agent events — completion, subagent completion, background-job completion, approval, plugin approval, question, plan-review, goal-blocked, interruption, and background-job failure (browser Web Audio + system b

Piano performance plugin: ask the agent to play a piece and it renders on a Canvas2D grand piano with real Salamander Grand samples, an immersive stage, and an interactive 88-key keyboard.

Listen to Xiaoyuzhou (小宇宙) podcasts in the DSH web UI: paste a share link to play anonymously (host proxies the audio with Range/seek), or log in via QR code to sync subscriptions, keyword-search shows/episodes, page full episode lists, and unlock purchased paywalled episodes; a `podcast_play` tool lets the agent play by link, podcast pid, or episode eid.

Drag-and-drop file attachments as Codex-style cards, with in-app PDF/text/video/audio previews and system-default opening for other formats.

Adds a Settings card that pops a system notification and optional chime when a conversation turn completes.

Audio Copilot for DeepSeek Harness: transcribe audio (ASR) and synthesize speech (TTS) — gives text-only agents ears and a voice. Windows-local SAPI TTS out of the box; OpenAI-compatible ASR/TTS endpoints configurable. Includes an in-composer voice-input