Pular para o conteúdo principal

Visão, voz e multimodal

Os plugins de Visão, voz e multimodal dão olhos, ouvidos e voz aos modelos DeepSeek somente texto no DeepSeek-Harness (dsh). Encontre ferramentas de visão e rotas de provedor que fazem OCR e descrevem capturas coladas via Zhipu GLM, Gemini, Doubao ou Ollama local, entrada de voz por microfone via Web Speech API do navegador ou APIs compatíveis com Whisper, leitura em voz alta com Edge TTS ou vozes personalizadas, modos de voz full-duplex, e geradores de imagens, vídeo e música.

582 plugins encontrados

Z

dsh-web-ui (dsh-tool-describe-image)

zhu1090093659/dsh-web-ui

Uma ferramenta de visão `describe_image` para modelos apenas de texto: imagens (caminho local, URL, anexo) vão para um endpoint de visão configurável compatível com OpenAI e apenas o texto retornado entra na sessão.

8khá 2 mesesVisão, voz e multimodalApache-2.0
L

modlens

liustack/modlens

Ponte de visão para modelos somente-texto: cole uma imagem e receba evidências estruturadas em JSON (OCR, layout, semântica).

5kanteontemVisão, voz e multimodalMIT
D

ipollowork

devin-axis/ipollowork

iPolloWork HyperFrames Video Studio e 27 modelos de vídeo editáveis como uma visualização de conversa nativa do DeepSeek Harness.

4.2khá 3 mesesVisão, voz e multimodal
S

dsh-image-gen

shanliuling/dsh-image-gen

Geração de imagens conversacional nativa para DeepSeek Harness: peça ao agente para criar uma imagem e ele cuida da geração e mantém o resultado diretamente na conversa.

1.6khá 5 diasVisão, voz e multimodalApache-2.0
Y

dsh-vision-router

ysr666/dsh-vision-router

Visão gratuita para agentes somente-texto: cadeia de visão integrada sem chave, além de ferramentas de pixel (perguntas e respostas, grounding, recorte, diff de pixels, cores, OCR, rastreamento SVG, recorte de objetos, capturas de tela); cole uma imagem para usar.

1.3khá 7 horasVisão, voz e multimodalMIT
A

dsh-vision-toolkit

anionex/dsh-vision-toolkit

Visão para modelos apenas de texto: cole uma imagem e o modelo muda para a variante Vision Toolkit para perguntas e respostas sobre imagens, comparação de múltiplas imagens, OCR de capturas longas, reprodução de UI a partir de capturas, localização de elementos e diferença de pixels. Sem chave de API por padrão — as imagens são processadas pelo serviço gratuito hospedado pelo autor, 100 por máquina por dia; configurável para seu próprio provedor.

946há 4 diasVisão, voz e multimodalMIT
T

tongflow

tong-io/tongflow

Plugin de estúdio TongFlow para DeepSeek Harness (dsh): modelo de projeto no estilo de equipe de filmagem, fluxos de trabalho TongFlow criados pelo agente, geração de mídia determinística, tela incorporada.

870há 3 mesesVisão, voz e multimodalAGPL-3.0
S

dsh-see-now

saos-3624/dsh-see-now

Permite que um agente apenas de texto observe uma tela ao vivo ou o feed de uma câmera. Avalia a mudança visual de cada quadro e reúne somente os relevantes em uma folha numerada com o envelope de áudio, para o modelo ver as mudanças reais em vez de uma captura a cada poucos segundos.

684ontemVisão, voz e multimodalApache-2.0
S

dsh-video-storyboard

saos-3624/dsh-video-storyboard

Transforma um vídeo (ficheiro local ou ligação Bilibili/yt-dlp) numa grelha de storyboard navegável: células numeradas, marcas temporais exatas, transcrição por célula e envelope de áudio na mesma linha temporal. video_zoom volta a ler qualquer intervalo com maior resolução, para que um modelo apenas de texto possa examinar o vídeo em vez de ler um resumo.

567ontemVisão, voz e multimodalApache-2.0
O

watch-skill

oxbshw/watch-skill

Os recursos do DeepWatch, instaláveis em um perfil existente do DeepSeek Harness

378há 2 mesesVisão, voz e multimodalMIT
K

dsh-qwen-studio

kingcharleslzy-ai/dsh-qwen-studio

Espaço Qwen Image 2.1 para DSH: MLX no Apple Silicon ou servidor NVIDIA próprio, edição nativa com referências, LoRA, ControlNet, inpainting, presets compartilhados, galeria e progresso do agente ao vivo. Inclui atualizações verificadas e guia de configuração do agente.

292há 4 diasVisão, voz e multimodalApache-2.0
Y

dsh-tts-bridge

yuuyuko-uu/dsh-tts-bridge

Lê as conversas do DSH em voz alta usando a leitura em voz alta integrada da página web do DeepSeek, controlada por uma pequena extensão de navegador.

259há 16 horasVisão, voz e multimodal
S

dsh-sd-bridge-guard

savinglighting/dsh-sd-bridge-guard

Plugin do DeepSeek Harness: nove recursos locais do Stable Diffusion (texto para imagem, imagem para imagem, repintura com máscara, somente geração de scripts, scripts alinhados em duas versões, comando local de injeção de nível C, lista de modelos, gerenciamento do serviço e verificação de integridade), protocolo de desvio de conteúdo inadequado e opções de nível C. O nível A lista modelos/LoRA/proporções após gerar a imagem para refazê-la com uma frase; máscaras do nível C permitem desenho com o mouse. Sem adaptação entre máquinas: detecta automaticamente o diretório do SD, pode fazer uma instalação autoassistida em um passo se não o encontrar e salva os resultados no workspace da sessão.

231mês passadoVisão, voz e multimodalMIT
E

eac-design-world

ebony-vinyl/eac-design-world

Plugin local de produção de vídeo e design para DeepSeek Harness: edição multipista, templates e sistema de design, canvas de prévia nativo e exportação de arquivos reais.

202há 25 diasVisão, voz e multimodalAGPL-3.0
D

dsh-imagegen

dickpy/dsh-imagegen

Geração de imagens por IA para a GUI web do DSH: texto para imagem e imagem para imagem por meio de um endpoint configurável compatível com OpenAI (gpt-image-2 / gpt-image-1 / dall-e-3), com um cartão de configuração api_url/api_key e um estúdio de geração de painel dividido na barra lateral.

197há 10 horasVisão, voz e multimodalApache-2.0
F

dsh-comfyui

fandc520/dsh-comfyui

Controle um servidor ComfyUI local ou remoto a partir do DeepSeek Harness: as ferramentas comfyui_run / comfyui_object_info / comfyui_workflow geram e editam imagens e vídeos, com uma biblioteca de workflows (extração de grafo: por componente / fluxo principal / tudo), uma área de carregamento com correspondência automática de resolução, uma fila ao vivo, modelos SDXL e Wan 2.1, uma habilidade complementar e um proxy de mídia de mesma origem.

189há 23 diasVisão, voz e multimodalMIT
N

dsh-infinite_canvas

ninkch/dsh-infinite_canvas

Estúdio de criação baseado em nós para DeepSeek Harness: scripts, storyboards, imagens de referência e geração de vídeo com várias tomadas em um canvas infinito, controlável em lotes pelo chat. Use seus próprios provedores de imagem/vídeo/TTS (endpoints no estilo OpenAI ou APIs de vídeo no estilo Seedance/Sora); sem configuração, o pipeline funciona offline em modo de demonstração com mídia provisória.

156anteontemVisão, voz e multimodalApache-2.0
K

dsh-spicy

kingcharleslzy-ai/dsh-spicy

Plugin de criação de conteúdo NSFW compatível com Purge. Usa modelos auto-hospedados no DeepSeek Harness para criar imagens adultas, vídeos com áudio e curtas de múltiplos planos; oferece edição com imagem de referência, controle de estilo LoRA e edição de storyboard por Agent.

133há 4 diasVisão, voz e multimodalApache-2.0
F

dsh-voice-prompt-enhancer

fishsb/dsh-voice-prompt-enhancer

Reescreve um rascunho do compositor como prompt mais claro e estruturado, com 5 modos, cadeia de fallback de modelos e memória opcional de várias rodadas. Adiciona à entrada de voz do DSH parada no silêncio, atalho e remoção de palavras de preenchimento. A transcrição continua usando o speechToText oficial; o plugin não inclui mecanismo.

130há 7 horasVisão, voz e multimodalApache-2.0
F

brewreel

finderchangchang/brewreel

BrewReel (精酿) para DeepSeek Harness: cria vídeo promocional vertical a partir de JSON de storyboard.

118mês passadoVisão, voz e multimodalApache-2.0
Q

dsh-imagegen-video

q253595422/dsh-imagegen-video

Geração de imagens e vídeos por IA para a GUI Web DSH. Catálogos por canal e adaptação por família (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), estúdio lateral, canvas infinito com nós, prévia de arquivos, skills de canvas e modelos de prompt. Vídeo aceita texto/imagem para vídeo, primeiro/último keyframe e várias referências, com envio/consulta/download assíncronos, ferramentas de vídeo no host, nós de vídeo e montagem local com ffmpeg de dois ou mais nós em um MP4.

111ontemVisão, voz e multimodalApache-2.0
W

dsh-media-desk

woniuniuniu/dsh-media-desk

Estúdio de criação de conteúdo para DeepSeek Harness: registre uma ideia em uma frase e gere com um clique o roteiro, a capa, as ilustrações e o storyboard.

95há 13 diasVisão, voz e multimodalMIT
P

dsh-omi-voice

polinnizhong/dsh-omi-voice

Leitura em voz alta no chat para o DeepSeek Harness: toque para ler, pausar e retomar as respostas da IA com vozes naturais do Doubao TTS (BYOK); lê apenas a resposta final, com código, tabelas e diagramas filtrados; motor local, o plugin não guarda nenhuma chave de API.

75há 3 mesesVisão, voz e multimodalMIT
C

deepseek-harness-video-director

chiphoton/deepseek-harness-video-director

🎬Diretor com IA: plugin de geração de vídeo MiniMax-H3 dirigido pelo DeepSeek-Harness. 🤖Mais que prompts. 🪄Interface em canvas.

69há 2 mesesVisão, voz e multimodalMIT