メインコンテンツへスキップ

プラグイン

DeepSeek-Harness プラグインを閲覧・絞り込み・インストールできます。

73 件のプラグインが見つかりました

S

dsh-video-storyboard

saos-3624/dsh-video-storyboard

動画(ローカルファイルまたはBilibili/yt-dlpリンク)を、番号付きセルと正確なタイムスタンプを持つ参照可能なストーリーボードグリッドに変換します。各セルには同じ時間軸上の文字起こしと音声エンベロープを表示します。video_zoomで任意の区間を高解像度で再読込でき、テキストのみのモデルも要約を読むだけでなく動画を確認できます。

550一昨日ビジョン、音声とマルチモーダルApache-2.0
E

EduWork (dsh-knowledge-studio)

ecnu/eduwork

DSHモデルと共有artifactサービスを使う、ワークスペース型Studio。出典に基づくレポート、スライド、表、マインドマップ、クイズ、フラッシュカード、音声、動画を作成する。Office生成には依存関係入りPython 3.12以降とDSH_OFFICE_PYTHONの設定が必要。メディア描画にはChromiumが必要で、ローカルASRにはwhisper.cppとモデルも必要。

37016 時間前ツールと機能MulanPSL-2.0
R

Envoy (envoy-dsh)

regrevia/envoy

リンクを貼るとエージェントが読み込みます。小紅書、抖音、Bilibili、WeChat、記事、PDF、音声をWiki/ナレッジベース向けの出典付きMarkdownに変換。60ターンの探索的A/B(時間上限が異なり、人手による回答正確性の確認なし):読み込み完了22%→92%(+70ポイント)、タイムアウト68%→0%、回答が実際の出典事実を引用23%→82%。実リンク123件中80%が利用可能(応答したページの93%);到達不能リンクは26秒で報告。Codex、Claude Code、DSHに対応。

13612 時間前ツールと機能Apache-2.0
F

dsh-prompt-enhancer

fishsb/dsh-prompt-enhancer

コンポーザー向けワンクリックプロンプト拡張(5モード、メモリチェーン、マルチモデルフォールバック)と音声認識(クラウドQwen3-ASR / オフラインSenseVoice、無音時自動停止)、ワンクリックDSHサービス再起動付き。

12112 日前ツールと機能Apache-2.0
B

dsh-voice-ai-girlfriend-plugin

beiyege-01/dsh-voice-ai-girlfriend-plugin

Web UI 向けの音声 AI ガールフレンド:FunASR のマイク入力、Qwen3-TTS の音声応答、コンパニオンアニメーションウィンドウ、NapCat 経由の双方向 QQ チャット(テキスト/音声/画像送信)。

5723 日前ビジョン、音声とマルチモーダル
P

dsh-voice-scribe

pensivefei/dsh-voice-scribe

DSH Web UIの音声入力。タップまたはAlt長押しでComposerに音声入力します。既定はローカルSenseVoice ASR(オフライン、設定不要、キー不要)。ブラウザーWeb Speechへ自動フォールバックし、任意でOpenAI互換ASRチェーンを使用可能。DSH設定モデルで文章を整え、設定UIから管理できます。

3616 日前ビジョン、音声とマルチモーダルMIT
Q

dsh-voice-mode (dsh-voice-mode)

qishuilalala/dsh-voice-mode

DeepSeek Harness Web UI 用のフルデュプレックス音声モード:トグル(2 秒ポーズで自動送信)またはプッシュトゥトークによるディクテーションを、編集可能なドラフトに zipformer2 ストリーミング ASR で入力、オプションでウェイクワード対応。Edge TTS によるセンテンス単位の読み上げとライブキャプション、話すと再生と実行中ターンを割り込みます(真のバージイン)。オンデバイス ASR で API キー不要。

333 日前ビジョン、音声とマルチモーダルMIT
W

dsh-ears

wiziscool/dsh-ears

DeepSeek Harness(dsh)向け音声入力プラグイン:コンポーザーのマイクボタンで音声を下書き転写に変換し、複数の音声認識バックエンドから選択可能で、dsh 独自の LLM ルートによる任意の推敲とネイティブ設定ページを備えています。

314 日前ビジョン、音声とマルチモーダルMIT
H

dsh-asr-plugin

huliux/dsh-asr-plugin

Apple Silicon 搭載 macOS 上の DeepSeek Harness 向けローカル会議文字起こし。2 系統録音、話者ラベル付きのライブ文字起こし下書き、@ 参照で要約を決定事項とアクション項目に整理します。

207 日前ビジョン、音声とマルチモーダルApache-2.0
S

dsh-bili-watch

sacredbluedragon/dsh-bili-watch

Bilibili動画をAI向け構造化テキストに変換。メタデータ、コメント、弾幕、字幕、ローカルASR、フレームOCRを取得する。処理はローカルで行いクラウドへアップロードしない。偽字幕をフレーム確認で検出し、キャッシュで再読込を高速化、AI向けマニフェストと要約を出力。フレームOCRにはffmpegが必要。ローカルASR/OCRにはPython 3.10以降のvenvが必要で、WindowsではVC++ランタイムも必要。AI字幕にはBilibiliログインが必要。

18一昨日ツールと機能MIT
C

dsh-bilibili

czx2244/dsh-bilibili

Bilibili 動画分析: メタデータ、文字起こし(Bijian/sherpa-onnx/whisper.cpp による ASR フォールバック)、コメント、弾幕、鮮明なキーフレーム。ローカルビジョンによる説明生成もオプションで対応。

1725 日前ツールと機能MIT
I

dsh-video-understand

ilps2/dsh-video-understand

低コストな動画理解ツール。video_understand ツールが Bilibili リンク / BV / ローカル動画を AVIS 情報層(ASR + シーン構造 + オブジェクト追跡 + YOLO ラベル)に変換し、要約 + Q&A を返す。質問主導のレイヤー間ダイナミックルーティング(L0 ASR / L1 オブジェクト追跡 / L2 キーフレーム VLM)、繰り返し質問向けの意味レイヤー再利用、質問ごとの予算上限を備える。Python エンジン: コア層には faster-whisper / opencv / yt-dlp が必要(約200-300MB)。任意の意味層を追加すると torch / transformers / ultralytics が約2GB 増える。付属の doctor --fix が venv をセットアップし、両方をインストールする。

1510 日前ツールと機能
D

dsh-video-lens

dundunhan/dsh-video-lens

テキストのみの DeepSeek Harness エージェントに動画理解能力を付与:シーン認識フレームサンプリング + VLM + オプションの ASR 文字起こしをタイムラインエビデンスに融合。/ 純テキストモデル用の動画理解プラグイン(シーン感知抽フレーム + VLM + オプション音声転写)

133 か月前ビジョン、音声とマルチモーダルMIT
D

dsh-video-vision

destinhue/dsh-video-vision

5ツール:`video_outline`は画像tokenなしのテキストmap(4〜60等間隔window/正確な時刻);`video_probe`はframe decodeなしでmetadata/計画;`video_storyboard`はcontact sheet/timecode index、zoom印とdedupe;`video_zoom`は1〜9 cell拡大;`video_read`はkeyframeのみOCRしoutline/[mm:ss]。音声のみ:字幕→`DSH_ASR_CMD`→指定transcript、長音声は無音箇所で約45秒ごとの音声区間に分割。10分以上はkeyframeのみ。OCR:Windows/tesseract line boxes/`DSH_OCR_CMD`。`bilibili.com/video/BV...`, bare BV/av/b23.tv:300秒以下CDN直読・diskなし、長尺は1回download・cache max 4 GB/24動画、play URL 10分cache。単一動画外link識別。ffmpeg必須、ffprobeはあれば使用、他runtime依存なし。SAOS-3624/dsh-video-storyboard wire互換だが同じ`video_probe`/`video_storyboard`/`video_zoom`名で併用不可。

10一昨日ビジョン、音声とマルチモーダルMIT
D

dsh-media-lens

drscrewdriver/dsh-media-lens

ローカル動画/音声/画像をタイムライン・文字起こし・領域情報にし、テキストモデルがフレーム/秒/話者を参照。媒体ごとのfallbackをmeta.attemptsに記録(無言で切替なし):ホスト登録済みマルチモーダル→OpenAI互換endpoint(複数keyをローテーション)→ローカルffmpeg/ASR CLI→metadata。auth/quota失敗時だけcooldownし、候補を破棄せずチェーン末尾へ移動。エラーは伏字化後に切り詰め、拡張子でなくmagic bytesを確認。任意vision-bridgeあり。モデル登録/inline AV(video_url/input_audio)は任意peer dsh-thinking-levels、dsh-llm-openai-completionsに依存。不在時はエラーなく縮退。既定は遠隔送信、strictLocalOnlyで端末内保持。ffmpeg/ffprobe/設定済みローカルASR CLIは非同梱で、ローカルfallbackのみで必要。不在時はmetadataへ縮退。Hosts 0.1.7/0.2.0/0.2.1(6 rc、engines.dsh enum);npm dsh-media-lens。

10一昨日ビジョン、音声とマルチモーダル
D

dsh-video-storyboard-hp

dsh-raising-plan/dsh-video-storyboard-hp

SAOS-3624/dsh-video-storyboardの高性能fork。これと上流プラグインはどちらか一方だけを導入してください。動画をアドレス指定可能な絵コンテグリッド(番号付きセル、各セルのタイムスタンプと文字起こし行、音声エンベロープ)へ変換。Node 20+とPATH上のffmpeg/ffprobeが必要。字幕トラックがない動画では設定済みASR endpointも必要です。

820 日前ビジョン、音声とマルチモーダルMIT
O

dsh-xiaoai-bridge

omsociety/dsh-xiaoai-bridge

XiaoAI(Xiaomi)スマートスピーカーを音声アシスタントにするプラグインです。ローカルbridgeを起動してウェイクワードを待ち、発話を音声認識(ASR/STT)し、Hostセッションで会話を続け、回答を音声合成(TTS)でスピーカーから再生します。

621 時間前ビジョン、音声とマルチモーダルMIT
S

dsh-voice

stardustlc666/dsh-voice

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。

6一昨日ビジョン、音声とマルチモーダルMIT
H

dsh-voice

haoku123/dsh-voice

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。

68 日前ビジョン、音声とマルチモーダルMIT
P

dsh-voice-call

pandapolo/dsh-voice-call

エージェント起動の音声通話: `offer_call` が人間を呼び出し(接听/拒接/稍后再说)、応答された通話は CrispASR + Qwen3-TTS(9 話者、2 中国語方言)でローカル生成・再生され、拒否された通話はその判断をエージェントに返します。

411 日前ビジョン、音声とマルチモーダルMIT
H

DSH-Video2Agent (dsh-video2agent)

harm0ny-ai/dsh-video2agent

エージェントが動画を理解して質問に直接答えます。Bilibili またはローカル動画について内容、比較、視聴価値を尋ねられます。動画横断検索は動画とタイムコードを返し、指定時刻の正確なフレーム証拠、1~10本の一括分析にも対応します。ローカル優先で、クラウド ASR/OCR と Bilibili ログインは任意です。Python 3.11+、FFmpeg、CLI(pip install video2agent)が必要です。設定画面で環境を確認・導入できます。HTTP ルートに DSH アクセス確認がなく、ブラウザーページから呼び出される可能性があります。

323 時間前ビジョン、音声とマルチモーダルApache-2.0
C

dsh-vidlens

cctv2333/dsh-vidlens

動画をdownloadせず、人のようにsampling:先にmetadata/chapters、次にtimestamp付きframe、字幕優先transcript(platform字幕がない場合のみlocal ASR)、AudioSet 527-class sound tag、top comment。21 toolがcross-process lock付き単一disk cacheを共有。Python 3.10+、ffmpeg、vidlens package(pip install vidlens-mcp)が必要。不足時は素のImportErrorでなく2つの解決方法を返します。

316 日前ビジョン、音声とマルチモーダルMIT
A

dsh-lark-plus

anfruj/dsh-lark-plus

DeepSeek HarnessとFeishu/Larkを連携するプラグインです。Feishuでチャット、カード、承認、タスクボード、目標、スケジュールを利用でき、Web GUIには完全ローカル(オフライン)の音声文字起こしと再生バーを備えています。

3先月統合とリモートMIT
W

dsh-hold-to-talk

wangzhanchao883/dsh-hold-to-talk

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)。

32 か月前ビジョン、音声とマルチモーダルMIT