プラグイン

DeepSeek Harness向けフリートコンソールです。1つのローカルdshページで複数のリモートdshマシンを管理し、アイドル／実行中の状態表示、新しいタブを開かない画面内切替、キープアライブiframe、デバイスをまたぐセッション閲覧、ワンクリック更新／再起動、コントローラー／管理対象の役割分担を提供します。

DeepSeek Harness向けの落ち着いた閲覧表示。processの自動折りたたみ、ミニマップ風メッセージナビ、ページ内検索、統合された失敗カード、sandbox iframe内での生成型MCP Apps（SEP-1865）を備えます。

DeepSeek Harnessプラグイン：Bilibiliのキーワード動画検索、動画メタデータ、字幕書き起こし、直接再生URL、マルチモーダルなフレーム表示（bilibili_search / bilibili_video / bilibili_subtitles / bilibili_playurl / bilibili_frames）。既定では匿名利用。

DSH向けのブラウザローカルな音声・動画ツールキット — FFmpeg.wasmによるフレーム抽出、サムネイルキャプチャ、画像圧縮、クリップのGIF変換。

Registers the video-studio skill in the DSH skill catalog. It builds a Chinese-narrated video from a script: edge-tts synthesizes the narration, the timeline is derived from each line's measured audio duration rather than estimated from text length, Pillow renders every frame deterministically and pipes the raw frames to ffmpeg as rawvideo, burned-in subtitles and SRT/ASS export come from that same timeline, physical-model sound effects and a generated score are mixed sample by sample with numpy, and QA runs in four layers: container, signal, temporal and page level (the page layer only when the browser engine is used). An optional Playwright-driven browser engine renders the whole film as Canvas2D instead, sending PNG frames through image2pipe. Needs network access for the narration, ffmpeg on PATH and Python with numpy, Pillow and edge-tts; the browser engine also needs Playwright with a local Edge/Chromium.

Drives Windows apps through accessibility controls instead of pixels, with a takeover overlay that frames the window being driven, marks each action with a ghost cursor, and stops on Esc; a browser lane adds sign-in profiles, saved state, and attach-to-my-Chrome. Windows only, and DSH must be run as Administrator for the desktop lane.

Downloads a video link, samples frames from it, and transcribes the speech with Groq Whisper so an agent can answer questions about what the video shows; long audio is split into 15-minute windows to stay under the upload limit, and frames still come back without a key, which only the transcript needs. Needs ffmpeg, ffprobe and yt-dlp on PATH.

A conversation-view tab for turning one local reference video into a human-curated shot list. ffmpeg scdet finds shot boundaries, each shot gets one timecoded thumbnail, you untick what you do not need, and the export writes frames.csv (UTF-8 BOM), shots.json, numbered JPEG frames and a labelled contact sheet. Local-only, no upload, zero runtime dependencies, 39 node --test tests including a real-ffmpeg integration case. Requires ffmpeg 5.1+ (with ffprobe) installed separately.

Pull frames and audio out of a local video with ffmpeg and hand back plain file paths, so the agent can look at the frames with its own vision. Five tools: probe, evenly spaced frames, one frame at a timestamp, scene-change frames (the practical version of frame-by-frame), and audio extraction. No models, no uploads, no routing guesswork.

Serial-port toolkit for DSH - 9 tools plus a web UI where an AI agent and a human share one UART line, with auto port matching, hex/text frames, timestamps, scheduled sends, rule-based auto-recovery and appearance themes. The serial engine runs on Python 3.8+ — DSH's bundled interpreter is used when present, otherwise python / py -3 on PATH.

Runs the local llama.cpp Qwen3.5-4B from a Settings page — Windows only, NVIDIA GPU (8 GB VRAM handles the 4B Q4) — with start, stop and restart, launch parameters, deployment paths with a presence check, provider-route and compaction-policy sync in the profile patch, a loopback request-capture proxy, and a local_worker tool that hands translation, OCR and video-frame chores to the local model by file path. Needs llama-server.exe (verified on b12069) and Qwen3.5-4B GGUF + mmproj files on disk; video frames also need ffmpeg.

Screen frames, log lines and (on Windows) key/mouse input on one millisecond timeline: record, mark the failing seconds, box the problem on the frame, then hand the agent a keyframe strip, an animated GIF and the aligned log slice.

Local video understanding for agents: extracts keyframes adaptively based on motion and pauses, inspects any timestamp at full resolution, and aligns visuals with dialogue from embedded subtitles or configured ASR. Requires ffmpeg and ffprobe; clips without subtitles also need a transcription engine for dialogue (a ~190 MB local whisper model, a cloud API key, or the official voice-input model).

Local searchable archive of DSH chat history: decodes the multi-frame zstd session logs (thousands of concatenated frames), extracts user and assistant text into SQLite, and exposes sync / search / stats tools. Idempotent imports, no external service, nothing leaves the disk.

Video study toolkit for DeepSeek Harness: fetch a public Bilibili single part or YouTube video, sample every 3 seconds plus change-triggered frames, transcribe locally with faster-whisper, page through section grids, and render a 16:9 study deck. Windows only, and needs the DSH pwsh tool plus Python 3.12 x64 with Pillow and FFmpeg/FFprobe; fetching adds yt-dlp, transcription needs faster-whisper with your own local model files, and deck output needs python-pptx.

Wandering Earth 550C control-room palette for the DSH Web UI, with dim 2px frames and amber selection states.

テキスト専用モデルで動画を読み取ります。ffmpegがあれば0.1～10秒間隔でフレームを抽出してコンタクトシートを作成し、各フレームに実際のtimecodeを表示。音声を抽出してiTingnaoに送信し（時刻付きtranscriptにはITINGNAO_API_KEYが必要）、各シートをホストの画像対応modelで説明します。他のvision pluginなしで動作します。composerのsliderで間隔を設定でき、音声だけのファイルはフレーム抽出なしで文字起こしします。

右サイドバーのビデオプレーヤーです。フォルダー内のプレイリストには先頭フレームのサムネイルと再生時間を表示し、名前／時間／更新日時／サイズで並べ替えられます。全画面再生に対応し、書き込み権限でフォルダーを開いた場合は、コンテキストメニューから名前変更、コピー、削除、更新ができます。バッファ範囲、デコードFPS、ドロップフレームをリアルタイム表示し、MP4/MOVを読み取り専用で解析してコーデックのprofile/level、正確なフレーム数、トラックごとのビットレート、回転を確認できます。エージェントツールは登録しません。ファイル書き込みは、書き込み権限のあるフォルダーを選択した後に限りブラウザーのFile System Access APIで行います。

テキストのみのagentに動画理解を提供：タイムスタンプ付きフレーム画像を抽出し、シーン変化時だけサンプリング、GIFクリップ出力、メタデータ確認、フレーム一括分析を実行。5ツールはshell文字列でなくargv配列でローカルffmpegを起動します。

標準workspaceをシステムドライブ外へ移動。DSH本来の動作では新しいSessionを常に`<Documents>/deepseek-harness/default-workspace`で開き、その既定パスは変わりません。このプラグインは保存済みSessionを使える状態に保ちながらworkspaceレコードを書き換え、再起動なしでGUIパネルと同じ3操作を提供。Sessionログをヘッダーのcwdとともに移動し、最初のframeがヘッダー1行だけでないログは再フレーム化します。desktop host（workspaceRegistry、sessionPersistence）が必要。

動画/音声ファイルからメタデータ、サンプリング静止画、字幕、話者ラベル付き多言語音声文字起こしを取得します。ライブデスクトップをフレームまたは録画としてキャプチャできます。初回使用時にffmpeg/whisper.cpp/sherpa-onnx一式をインストールし、ファイルごとにsha256を確認します。処理はすべてローカルです。ツール一式の自動インストールとデスクトップキャプチャは現在Windows x64のみ対応し、それ以外ではffmpegとモデルのパスを手動設定する必要があります。

コンテンツハッシュをキーにローカルステッカー辞書を保持し、一度説明した画像は再読込せず呼び出します。GIFは等間隔にサンプリングしたフレームへ分割し、アニメーション全体を見られる1枚のコンタクトシートに配置します。

DeepSeek Harness内のComfyUI本番用パックです。ローカル/リモートサーバーへAPI形式のワークフローを送信し、出力を一括生成・取得できます。実測パラメーター範囲と故障モードの判断ツリー（黒フレーム、被写体重複、色ずれ、OOM）で不良画像を診断します。

読み取り専用の遅延セッションビューアです。セッション一覧ではstat情報だけを取得し、最近のイベント確認時に末尾のZstandard frameのみを展開します。検索、統計、エクスポートを備えた独立した/lazyviewパネルを追加し、Node.js 24+が必要です。