플러그인

DeepSeek Harness(dsh)용 음성 입력 플러그인: 컴포저의 마이크 버튼으로 음성을 초안 텍스트로 변환하며, 다양한 음성 인식 백엔드 선택, dsh 자체 LLM 경로를 통한 선택적 다듬기, 네이티브 설정 페이지를 지원합니다.

Bilibili 영상 분석 기능: 메타데이터, 자막(스크립트가 없으면 Bijian/sherpa-onnx/whisper.cpp로 ASR 대체), 댓글, 탄막, 선명한 키프레임을 제공하며 선택적으로 로컬 비전 설명도 지원합니다.

저비용 영상 이해 도구. video_understand 도구가 Bilibili 링크 / BV / 로컬 영상을 AVIS 정보 계층(ASR + 장면 구조 + 객체 추적 + YOLO 라벨)으로 변환하고 요약 + Q&A를 반환한다. 질문 주도형 계층 간 동적 라우팅(L0 ASR / L1 객체 추적 / L2 키프레임 VLM), 반복 질문용 의미 계층 재사용, 질문별 예산 상한을 갖춘다. Python 엔진: 코어 계층에는 faster-whisper / opencv / yt-dlp가 필요하며(~200-300MB), 선택적 의미 계층을 추가하면 torch / transformers / ultralytics가 약 2GB 더 든다. 번들된 doctor --fix가 venv를 설정하고 둘 다 설치한다.

Web UI용 음성 입력: 일시 정지에 따라 분할되는 받아쓰기와 음성 메시지를 제공하며, 각각 자체 제공업체 폴백 체인(Deepgram, Groq, HuggingFace, 로컬 whisper.cpp 또는 OpenAI 호환 엔드포인트)을 사용합니다.

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

웹 UI용 음성-텍스트 변환 음성 입력: 컴포저의 마이크 버튼이 브라우저 Web Speech API(제로 설정) 또는 OpenAI 호환 Whisper API(OpenAI / Groq)를 통해 발화를 초안으로 전사하며, 선택 가능한 모델 및 언어가 Settings에 포함됩니다.

자막 우선 비디오 전사로, SRT 내보내기, 취소 가능한 작업 제어, 자막을 사용할 수 없을 때 faster-whisper large-v3 폴백을 제공합니다.

Bridges Feishu, WeCom, DingTalk, QQ, Slack, Discord, Telegram and Mattermost into dsh agents (outbound WS/Stream/Gateway/long-poll/webhook), with im_status, optional local Whisper ASR, plain-text outbound for QQ/DingTalk/Telegram/Mattermost, and env CSV allowlists (DSH_IM_*_ALLOWED_USER_IDS). Empty allowedUserIds means EVERYONE can drive your agent — set a whitelist before exposing a bot.

Local-first voice conversations for DSH, with local speech recognition and synthesis and optional external providers.

DeepSeek Harness(dsh)용 음성 기능 — 텍스트 전용 DeepSeek을 위한 음성-텍스트 입력 + TTS 읽어주기, API 키 불필요

Opt-in DeepSeek Harness skill bundle that turns course, lecture, tutorial, documentary, meeting, and talk videos into structured study notes.

开口即成文 · Speak-to-prompt for DeepSeek Harness：云端 ASR 语音识别 + 提示词优化 + 填入草稿/自动发送，跨平台 macOS / Windows。

Voice for the DeepSeek Harness: speak to the agent, hear it back, and see what it is doing from a floating window that stays on top of whatever you are running.

Dictate prompts into the DeepSeek Harness Web Client — a microphone in the composer, with swappable transcription: hosted Whisper API, self-hosted server, or a fully offline whisper.cpp binary.

Subtitle-first video transcription and deterministic extractive Markdown summaries, with a faster-whisper large-v3 fallback when subtitles are unavailable.