プラグイン

DSH Web UI向けの青髪メイド姿のデスクトップペット。手描きの透過アニメーション106種、デスクトップ上の移動、ローカルOllamaまたはDSHオンラインモデルとのチャット、任意の画面監視に対応。

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。

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。

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。

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。

DSH Desktop/Web GUI共通の音声通話アシスタント（異なるのはprofile名のみ）。ドラッグ可能な通話ボール、発話の間をブラウザー側VADで検出して送信。公式voice-inputプラグインが既にダウンロードしたSenseVoiceを再利用し、追加モデルは不要。FunASR HTTP/ストリーミング、クラウド互換API、MiniMax / MiMo-V2.5-TTS（director mode/voice clone）/OpenAI互換TTSに対応。任意のwake-word/auto-sleep、別セッションへのタスク振り分け、進捗/停止/音声完了報告も備える。

DeepSeek Harnessの音声入力選択欄にVolcengine Doubaoのクラウド音声認識器を2つ追加し、任意でLLMによる文字起こしの書き換えも可能。