プラグイン

DeepSeek Harness 用のチャット内読み上げ機能：自然な Doubao TTS ボイス（BYOK）で AI 返信をタップして読み上げ・一時停止・再開。コード・表・図は除外し、最終回答のみを読み上げます。ローカルエンジンで、プラグインは API キーを保持しません。

無料のEdge TTSまたは独自のRVC音声モデルでアシスタントの返信を読み上げ：読み上げボタン＋自動読み上げ、適応型チャンク分割によるプログレッシブ再生（長文もギャップレス）、レジストリからのボイスパックをワンクリックでインストール、ポータブルなRVCランタイムを提供。

DeepSeek Harness の音声 I/O — マイク入力と音声出力による speech-to-text / text-to-speech。

小説執筆のガードレール:20個の novel_* ツールがファクト台帳の一貫性、段階および章のゲート、決定論的メトリクスによる機械監査、提案のみのリビジョンを強制し、右パネルのワークベンチが閲覧、TTS 再生、研磨、校正、継続性チェック、バッチ起草を扱い、バイパス エンジンが内部ステップを主対話の外で実行します。

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。

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）。

DSH Web に Xiaomi MiMo のテキスト読み上げを追加します。アシスタントメッセージの読み上げ、PCM ストリーミング、プリセットおよびカスタムの音声デザイン、ブラウザ音声へのフォールバック、再生コントロール、任意の UI サウンドを備えます。

MiniMaxマルチモーダルブリッジ:単一の`mmx_bridge`ツールで画像理解/生成、動画、TTS、音楽、カバー、ウェブ検索、クォータをカバー。`web_search`/`read_image`の乗っ取りもオプションで可能。Web GUI内にインラインプレーヤー/画像プレビューを表示(npm:`dsh-mmx-bridge`)。

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。

Perlica(アークナイツ: エンドフィールド)テーマの階層型サウンド通知: プラン準備完了、タスク完了、入力要請、エラー音。通常チャットでは無音、システムレベル再生(バックグラウンド動作)、クロスプラットフォーム(Windows/macOS/Linux)、カスタム TTS サウンド。

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。

小さなブラウザー拡張機能で操作される、DeepSeek Webページの組み込み読み上げ機能を使用してDSHの会話を読み上げます。

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。

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。

DeepSeek Harnessでアシスタントの応答を音声で読み上げ：ストリーミング再生対応のテキスト読み上げプロバイダー。

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。

通知アウトボックス: エージェントがトースト/中国語 TTS 音声/効果音（爆発、勝利、アラーム）で能動的に通知。60 秒の確認ウィンドウ内なら音声で呼び戻し、音量ブースト、設定パネル付き。

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 Web GUI の音声通話アシスタント：ドラッグ可能なフローティング通話ボール、発話ごとにポーズ後に送信するブラウザ側 VAD、FunASR HTTP またはストリーミング音声認識、MiniMax または OpenAI 互換 TTS の返答、自動スリープ付きの任意のウェイクワードモード、進捗・停止・読み上げ完了報告を伴う別サブエージェントセッションへのタスク派遣。