プラグイン

macOSおよびWindows上のDSH Desktop向けCodexスタイルのウィンドウキャプチャ：両方のCommandキー（macOS）または両方のCtrlキー（Windows）を押す、もしくはカメラボタンで、最前面のウィンドウを撮影し、現在のチャットに添付して、VoiceOverスタイルのアクセシビリティツリーを隠しコンテキストとして注入します。

dsh Web GUI 用の音声およびボイスアラート：承認、質問、完了、エラーごとに異なるトーンとオプションの音声読み上げ。

CallKit 経由でスマートフォンに着信: `call_me` と `text_me` ツールに加え、ターン終了時や承認時にオプションで電話をかけ、話した回答をセッションに文字起こしして戻す。

DSH Web向けのフルデュプレックス中国語音声インタラクション：タスクの口述と編集、リクエストの送信、セッション管理、DSHの質問への回答、そして簡潔なタスク完了アナウンスを聞くことができます。

Web UI向けコンポーザーマイク:タップでライブ文字起こしをモニターし、押している間話せるホールドトーク機能を提供します。モデルが生成している間にストリーミングされるホストのEdge TTSによる返信読み上げ、読み上げ中のエコー一時停止、タップで停止も備えています。

OneBot v11（リバース WebSocket）による双方向 QQ ブリッジ：グループ別および個別チャット別セッション、@-引用付き音声 speech-to-text、プライベートな画像/アニメスタンプ閲覧、顔およびスタンプツール。

iLink プロトコル経由 DeepSeek Harness 用双方向 WeChat ブリッジ:QR スキャンで個人 WeChat をバインド、チャットボックスからローカル DSH エージェントとチャット(テキスト、画像、音声認識、ファイル)。Web 設定パネルでバインド/起動/停止/ステータスを処理、プロジェクト-セッションバインドでデスクトップで会話を継続、プロアクティブ wechat_notify プッシュはスロットリング付き、純粋 Node デーモンが Windows/macOS/Linux で動作。

コンポーザーツール列のマイクボタン: Web Speech API による音声テキスト変換(Chrome/Edge)、言語切替、オプションの自動送信、依存ゼロ。

MiniMax駆動のマルチモーダルプラグイン：リアルタイム音声通話モード（ストリーミング会話、フローティングドックUI）、音声モードとマイク音声入力、さらに画像/動画/音楽/音声生成および視覚検査ツール。

Herta を DeepSeek Harness のエージェントとしてインストールします:彼女のペルソナとメモリのプロンプトセクションを載せたプリセット、6 つのメモリと音声のツール、彼女の思考と発言を分離するナラティブレイヤー、80 個の同梱ボイスクリップ、オフラインおよび MiniMax の音声合成、そして彼女自身のコンポーネントでセッションを描画する 2 つの会話ビュー。

LLM-Wiki 構造と SOUL.md ペルソナを備えた長期的なセッション横断 markdown メモリ。セッション開始時（既定では最初のユーザーメッセージの後、かつアクティブなセッションのみ）に注入され、remember/recall/consolidate/forget のワークフロー、組み込みのメモリスキル、pack/unpack 移行ツール、待機中に実際の記憶を相棒の声で一人称で提示する想起ナッジを提供します。さらに、不足していた可観測性と保守性をもたらします：インデックスのルーティングテーブルが切り詰められないためのファイル別ブートブロック予算、顕著性の減衰が実際に機能するための自動 last_access スタンプ、読み取り専用のメモリヘルスダッシュボード（サイズ、鮮度、lint 整合性チェック）、宣言的なインデックスコンパイラ（ページが summary: を宣言し、1 コマンドでインデックスを再構成）、インタラクティブなメモリグラフ（ページリンクと共有タグ、ドラッグ可能、ホイールでズーム）、構造化クエリ（tag/type/salience/hot/stale フィルター）、まだ関連のないページへの相互リンク提案、優先順位付きのアクションリストで終わる `checkup` レポート。運用の詳細をオンデマンドスキルに移したことでブート時のペイロードも約 23% 削減されました。

音声ツール：無料のedge-ttsニューラル音声合成、OpenAI互換のASR文字起こし、音声リスト、音声の一括プレビュー、ヘルス自己チェック。

Web UI向けのフルデュプレックス音声モード：タップで切り替えまたは押し続けでディクテーション（送信キーまたは`Ctrl`）、ライブキャプション付き、sherpa-onnx経由のホスト側SenseVoice ASR、文ごとの音声応答、話すことで再生と実行中のターンを中断（真の割り込み）。APIキー不要。

Web UI向けの無料音声クローズドループ：ブラウザのSpeechRecognitionによるマイク入力で暫定結果をライブ表示し、さらに読み上げ用スピーカーボタンとアシスタント応答の自動読み上げを提供。設定不要でAPIキーも不要です。

DSH 向けオールインワンバンドル。ネイティブの Windows デスクトップウィンドウ（WebView2）、DeepEye ビジョン（GLM-4V-Flash）、音声入力（マイクボタン）を単一インストールで提供します。

ワークスペースごとの完了着信音に加え、承認・質問・プランレビュー・ゴールブロック・タスク失敗の各イベント向けの注意喚起サウンドを提供します。シンセ音、音声(TTS)、カスタム音声を内蔵。

DSH 向けのオムニモーダル・ワークステーション：順序付けられたマルチカード VLM フェイルオーバーチェーン上の analyze_image、同じ画像リゾルバーを共有する 6 ツールのビジョンツールキット（ズーム、色サンプリング、ピクセル差分、OCR、要素検出、インライン表示）、OpenAI/DashScope/ComfyUI プロトコル上の generate_image、/build-video-tool ビルダーを備えたマルチカード非同期 generate_video、7 つのプロバイダー上の speak/clone_voice TTS。すべてが 1 つの自動保存設定ページから操作されます。

コンポーザー向けの片手・キーボード不要の入力：入力ボックス上でマウスを押し続けて話し、離すとテキストが下書きに入り、上へスライドすると中途半端な文を残さずキャンセルできます。狙って押すマイクボタンも覚えるショートカットも不要で、もう一方の手がふさがっているときに手が入力エリアから離れずに済むのが要点です。認識は完全にオフラインで動作します（sherpa-onnx 経由の SenseVoice、API キー不要、音声はマシン外に出ません）。

DSH Web GUI で承認、質問、プランレビューのポップアップが表示された際に、チャイムと中国語の音声アラートを再生し、リクエストを見逃しません。

dsh web 向けの音声アシスタント：ウェイクフレーズ（例：「小鲸」）を言うとハンズフリーの音声入力が有効になり、話した内容が文字起こしされて自動的にチャットボックスへ入力されます。音声による編集コマンド（送信、クリア、改行、読み上げ停止）に対応し、アシスタントの返答を中国語で読み上げます。音声認識は sherpa-onnx WASM によりブラウザ内でローカルに実行されるため、API キーなしでオフラインでも動作します。

DeepSeek Harness向けクジラ少女デスクトップペット：ブラウザのフローティングマスコットとWindowsデスクトップペットが単一のデータバックエンドを共有し、リアルタイム残高ボード、タスク通知、頭を撫でるインタラクション、感情別の事前合成ボイス19種、プレゼンス検知型の待機時発話を備えます。

DeepSeek Harness Web GUI用AI音声生成—マルチベンダーTTS、音楽、効果音、ボイスデザイン、サイドバーパネル、モデル比較、リソースライブラリ、Agentツール搭載。

DSHのためのハンズフリー Listening、プッシュ・トゥ・トーク、音声認識、TTS 応答、バックグラウンド Agent 委任を備えた継続的な音声会話。

DeepSeek Harness向けリアルタイムローカルTTS：音声プリセット、自動読み上げ、エンジン設定アシスタント、読み上げボタン、GSV-TTS-Liteエンジン用設定パネル。