비전, 음성 및 멀티모달

DeepSeek Harness용 로컬 OCR: 이미지를 붙여넣기/첨부하여 PP-OCRv5 + ONNX Runtime으로 텍스트를 추출, 완전 오프라인. TUI (cc-tui) 및 Web 지원.

텍스트 전용 DSH 세션을 위한 온디맨드 비전: 이미지는 마커로 변환되며, vision_describe 도구가 이미지와 질문만 OpenAI 호환 비전 모델로 전송합니다

컴포저 도구 행의 마이크 버튼: Web Speech API 음성-텍스트(Chrome/Edge), 언어 전환 및 선택적 자동 전송, 의존성 제로.

DSH용 Codex Appshots: 전역 단축키로 최전방 활성 윈도우를 캡처하고 컴포저에 원활하게 마운트하여 에이전트 쿼리에 활용합니다.

DSH용 무의존성 화면 캡처: Lightweight — 의존성 0, 바이너리 0; Stage & shoot — 원클릭 풀스크린, 창 레이아웃, 가려진 창의 hover-snap 캡처; Agent self-service — 경로만 전달; 경로는 범용이며, modlens(선택 사항)와 페어링하면 한 번의 호출로 구조화된 증거 확보 가능.

MiniMax 기반 멀티모달 플러그인: 실시간 음성 통화 모드(스트리밍 대화, 플로팅 도크 UI), 음성 모드 및 마이크 음성 입력, 이미지/비디오/음악/음성 생성 및 시각 검사 도구.

로컬 이미지 생성 워크벤치, 구독료 제로: 자체 API로 이미지 생성(모든 OpenAI 호환 인터페이스, 구독료 0), 캔버스 레이아웃 + 이미지 편집/지우개/배경 제거/OCR/벡터 변환, 편집 가능한 PSD/AI 출력 제공, Photoshop/Illustrator 레이어 양방향 브리지

작은 브라우저 확장이 구동하는 DeepSeek 웹 페이지의 내장 읽어주기 기능을 사용하여 DSH 대화를 소리 내어 읽습니다.

OpenAI 호환 images 엔드포인트를 통해 DeepSeek Harness에서 이미지를 생성하는 도구로, 인라인 웹 UI 갤러리를 제공합니다.

DeepSeek Harness용 Tripo 3D 스킬입니다. 텍스트 프롬프트나 참조 이미지로부터 tripo-cli를 통해 엔진에 바로 쓸 수 있는 3D 에셋을 생성하며, 텍스처링, 리깅, 리토폴로지, 포맷 변환을 한 번에 처리합니다.

Claude Code, Codex 및 Agent Plugins 클라이언트에서 DeepSeek(텍스트 전용) 모델에 비전 기능을 부여합니다: OpenAI 호환 vision 엔드포인트를 통해 이미지를 설명합니다.

스크린샷 캡처 도구와 두 개의 선택적 자동 캡처 지점을 추가하여 화면을 이미지 블록으로 대화에 넣습니다. 이미지 지원 모델이 필요합니다.

비전 모델용 콘텐츠 인식 PDF 읽기 플러그인: 각 페이지를 그림(벡터 및 래스터), 표, 수식 위험 및 이단 레이아웃에 대해 프로파일링한 다음 콘텐츠 인식 하이브리드 추출을 적용하여 그림/표/수식 페이지를 고DPI 영역 크롭으로 렌더링합니다. 페이지 레이아웃 파악을 위한 저해상도 미리보기를 제공하며 지정 영역을 고해상도로 렌더링합니다. 에이전트용 다중 도구로 패키징.

AI로 DSH 웹 UI에서 HarmonyOS 휴대폰을 제어합니다: 실시간 H.264 화면 미러링, 마우스 터치와 시스템 키, hilog 스트리밍, 그리고 모델이 화면을 읽고 UI 컨트롤을 찾아 탭, 길게 누르기, 키 누르기, 입력을 수행하게 하는 에이전틱 도구를 제공합니다.

강화된 비전 툴박스: 단일 OpenAI 호환 엔드포인트로 구동되는 14개의 픽셀 레벨 비전 툴(describe, ground, detect, crop, pixel-diff, OCR, long-screenshot OCR, vectorize, colors, cutout, screenshot, present, materialize, html-screenshot), 깔끔한 [图片: path] 브리지 마커, 콘텐츠 안전 분류 및 속도 제한 자동 재시도.

텍스트 전용 모델이 채팅에 붙여넣은 이미지를 처리할 수 있게 합니다. 네이티브 비전 경험, 이미지 일괄 보기, 내장된 OpenAI 호환 analyze_image 도구를 제공하며, 비전 지원 모델은 영향을 받지 않습니다.

음성 도구: 무료 edge-tts 뉴럴 음성 합성, OpenAI 호환 ASR 변환, 음성 목록, 음성 일괄 미리보기, 상태 자가 점검.

웹 UI용 전이중 음성 모드: 탭하여 토글 또는 누르고 있기(전송 키 또는 `Ctrl`)로 받아쓰기, 실시간 자막, sherpa-onnx를 통한 호스트 측 SenseVoice ASR, 문장별 음성 응답, 발화가 재생 및 실행 중인 턴을 중단(진정한 끼어들기). API 키 불필요.

웹 UI를 위한 무료 음성 클로즈드 루프: 브라우저 SpeechRecognition 마이크 입력으로 실시간 임시 결과를 표시하고, 읽어주기 스피커 버튼과 어시스턴트 응답 자동 읽기를 제공합니다. 설정 불필요, API 키도 불필요.

DeepSeek Harness(DSH)를 위한 통합 이미지 생성 라우터: 모든 OpenAI 호환 엔드포인트에서 이미지 모델을 자동 발견하고, draw_image 및 draw_list_sources 도구를 제공하며, SenseNova, StepFun, Agnes, Qwen, Flux, SD, Imagen 등을 지원한다.

macOS Vision Framework를 통한 완전 로컬 이미지 이해 및 OCR: `ocr_image`(텍스트, 표 레이아웃 + 좌표) 및 `view_image`(장면, 얼굴, QR) — 여러 이미지를 웹 입력 상자에 붙여넣거나 path/URL/base64로 전달 가능. 이미지는 Mac 밖으로 나가지 않습니다.

텍스트 전용 DeepSeek용 비전 MCP 및 DSH 번들: analyze_image, analyze_clipboard, compare_images 및 vision_status 도구, 비주얼 설정 페이지, 기본적으로 무료 GLM-4.6V-Flash, 결과 캐싱 및 속도 제한 허용 오차; 키는 로그에 남지 않음.

DeepSeek Harness(DSH)용 DeepEye 비전 플러그인으로, 이미지 설명, OCR, VQA, UI 레이아웃, 클립보드 분석을 지원합니다.

AI가 VLM(멀티모달 모델)을 자동으로 호출해 시각 분석을 수행할 수 있게 해주는 dsh 플러그인입니다.