Pular para o conteúdo principal

Plugins

Navegue, filtre e instale plugins do DeepSeek-Harness.

73 plugins encontrados

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.

550anteontemVisão, voz e multimodalApache-2.0
E

EduWork (dsh-knowledge-studio)

ecnu/eduwork

Studio baseado em workspace para relatórios, slides, tabelas, mapas mentais, quizzes, flashcards, áudio e vídeo fundamentados em fontes, usando modelos DSH e serviços compartilhados de artefatos. A geração de documentos Office requer Python 3.12+ com suas dependências e DSH_OFFICE_PYTHON configurado; a renderização de mídia requer Chromium, e o ASR local também exige whisper.cpp e um modelo.

370há 16 horasFerramentas e funçõesMulanPSL-2.0
R

Envoy (envoy-dsh)

regrevia/envoy

Cole um link; o agente lê. Xiaohongshu, Douyin, Bilibili, WeChat, artigos, PDFs e áudio viram Markdown citável para wiki/base de conhecimento. A/B exploratório de 60 turnos (limites de tempo diferentes, sem revisão humana da correção): leitura concluída 22%→92% (+70 pontos), timeouts 68%→0%, respostas com fato real da fonte 23%→82%. Em 123 links reais, 80% foram utilizáveis (93% das páginas que responderam); link inacessível é reportado em 26 s. Compatível com Codex, Claude Code e DSH.

136há 12 horasFerramentas e funçõesApache-2.0
F

dsh-prompt-enhancer

fishsb/dsh-prompt-enhancer

Aprimoramento de prompt com um clique (5 modos, cadeia de memória, fallback multimodelo) mais reconhecimento de voz (Qwen3-ASR na nuvem / SenseVoice offline, parada automática no silêncio) para o compositor, com reinicialização do serviço DSH com um clique.

121há 12 diasFerramentas e funçõesApache-2.0
B

dsh-voice-ai-girlfriend-plugin

beiyege-01/dsh-voice-ai-girlfriend-plugin

Namorada IA por voz para a Web UI: entrada de microfone com FunASR, respostas faladas com Qwen3-TTS, janela de animação do companheiro e chat QQ bidirecional (texto/voz/imagem push) via NapCat.

57há 23 diasVisão, voz e multimodal
P

dsh-voice-scribe

pensivefei/dsh-voice-scribe

Entrada de voz para a interface web do DSH: toque ou mantenha Alt pressionado para ditar no compositor. SenseVoice ASR local por padrão (offline, sem configuração ou chave), com fallback automático para Web Speech do navegador. Aceita cadeia ASR opcional compatível com OpenAI, revisão por modelos configurados no DSH e UI de configurações.

36há 16 diasVisão, voz e multimodalMIT
Q

dsh-voice-mode (dsh-voice-mode)

qishuilalala/dsh-voice-mode

Modo de voz full-duplex para a Web UI do DeepSeek Harness: alternar (envio automático com pausa de 2s) ou ditação por pressionar e segurar em um rascunho editável com ASR streaming zipformer2, wake word opcional; leitura em voz alta sentença por sentença via Edge TTS com legendas ao vivo, e a fala interrompe a reprodução e o turno em execução (barge-in verdadeiro). ASR no dispositivo, sem chave de API.

33há 3 diasVisão, voz e multimodalMIT
W

dsh-ears

wiziscool/dsh-ears

Plugin de entrada de voz para DeepSeek Harness (dsh): um botão de microfone no compositor converte fala em rascunho transcrito, com escolha de backends de reconhecimento de voz, refinamento opcional pelas próprias rotas LLM do dsh e uma página de configurações nativa.

31há 4 diasVisão, voz e multimodalMIT
H

dsh-asr-plugin

huliux/dsh-asr-plugin

Transcrição local de reuniões para DeepSeek Harness em macOS com Apple Silicon: gravação em duas faixas, rascunhos de transcrição ao vivo com identificação de oradores e resumos com referência @ organizados em decisões e ações.

20há 7 diasVisão, voz e multimodalApache-2.0
S

dsh-bili-watch

sacredbluedragon/dsh-bili-watch

Converte vídeos do Bilibili em texto estruturado para IA: metadados, comentários, danmaku, legendas, ASR local e OCR de quadros. O processamento é local, sem envio à nuvem; verifica quadros para detectar legendas falsas, usa cache em releituras e gera manifesto e resumo para IA. OCR de quadros requer ffmpeg. ASR/OCR local requer ambientes virtuais Python 3.10+ e, no Windows, também o runtime VC++. Legendas por IA exigem login no Bilibili.

18anteontemFerramentas e funçõesMIT
C

dsh-bilibili

czx2244/dsh-bilibili

Análise de vídeos do Bilibili: metadados, transcrição (fallback de ASR via Bijian/sherpa-onnx/whisper.cpp), comentários, danmaku e keyframes nítidos com descrições de visão local opcionais.

17há 25 diasFerramentas e funçõesMIT
I

dsh-video-understand

ilps2/dsh-video-understand

Ferramenta de compreensão de vídeo de baixo custo: uma ferramenta video_understand transforma um link do Bilibili / BV / vídeo local em uma camada de informação AVIS (ASR + estrutura de cena + rastreamento de objetos + rótulos YOLO) e retorna resumo + Q&A. Roteamento dinâmico entre camadas orientado por perguntas (L0 ASR / L1 rastreamento de objetos / L2 VLM de keyframe), reutilização da camada semântica para perguntas repetidas, teto de orçamento por pergunta. Motor Python: a camada principal precisa de faster-whisper / opencv / yt-dlp (~200-300MB); a camada semântica opcional adiciona ~2GB de torch / transformers / ultralytics. Um doctor --fix incluído configura o venv e instala ambos.

15há 10 diasFerramentas e funções
D

dsh-video-lens

dundunhan/dsh-video-lens

Dá aos agentes DeepSeek Harness apenas de texto compreensão de vídeo: amostragem de quadros consciente da cena + VLM + transcrição ASR opcional fundidos em evidência da linha do tempo. / Plugin de compreensão de vídeo para modelos apenas de texto (amostragem de quadros consciente da cena + VLM + transcrição de voz opcional).

13há 3 mesesVisão, voz e multimodalMIT
D

dsh-video-vision

destinhue/dsh-video-vision

5 ferramentas: `video_outline` mapa textual sem tokens de imagem (4–60 janelas/tempos); `video_probe` metadados/plano sem decodificar; `video_storyboard` contact sheet/índice timecode com marca zoom/deduplicação; `video_zoom` amplia 1–9 células; `video_read` OCR só de keyframes, esquema/[mm:ss]. Só áudio: legendas→`DSH_ASR_CMD`→transcript; áudio longo: trechos de ~45 s, cortados nos silêncios. Desde 10 min, só keyframes. OCR: Windows, tesseract line boxes ou `DSH_OCR_CMD`. `bilibili.com/video/BV...`, bare BV/av/b23.tv: ≤300 s CDN sem disco; longo: 1 download, cache 4 GB/24 vídeos; URL play 10 min. Requer ffmpeg, ffprobe opcional, sem outras deps runtime. Wire-compatível com SAOS-3624/dsh-video-storyboard; nomes `video_probe`/`video_storyboard`/`video_zoom` iguais impedem uso conjunto.

10anteontemVisão, voz e multimodalMIT
D

dsh-media-lens

drscrewdriver/dsh-media-lens

Evidências de mídia local (vídeo/áudio/imagem): linha do tempo, transcrição, regiões. Fallback por mídia em meta.attempts, nunca silencioso: multimodal do host→OpenAI compatível/rotação de chaves→ffmpeg/ASR local→metadados. Cooldown só auth/cota; candidato fica no fim da cadeia, não é descartado. Oculta erro antes de cortar; verifica magic bytes, não extensão. vision-bridge opcional; registro multimodal/AV inline (video_url/input_audio) depende dos peers opcionais dsh-thinking-levels e dsh-llm-openai-completions; ausentes, degrada sem erro. Padrão remoto; strictLocalOnly mantém local. ffmpeg/ffprobe e CLI ASR local não vêm no pacote, só são usados no fallback local; sem eles, degrada a metadados. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, enum engines.dsh); npm dsh-media-lens.

10anteontemVisão, voz e multimodal
D

dsh-video-storyboard-hp

dsh-raising-plan/dsh-video-storyboard-hp

Fork de alto desempenho do SAOS-3624/dsh-video-storyboard: instale este plugin ou o upstream, nunca ambos. Converte vídeo em grades de storyboard endereçáveis (células numeradas, timestamp e linha da transcrição por célula, envelope de áudio). Requer Node 20+ e ffmpeg/ffprobe no PATH; se o arquivo não tiver faixa de legendas, exige endpoint ASR configurado.

8há 20 diasVisão, voz e multimodalMIT
O

dsh-xiaoai-bridge

omsociety/dsh-xiaoai-bridge

Transforma um alto-falante inteligente XiaoAI (Xiaomi) em assistente de voz: executa o bridge local, aguarda a palavra de ativação, reconhece a fala (ASR/STT), mantém a conversa na sessão Host e reproduz a resposta no alto-falante por síntese de voz (TTS).

6há 21 horasVisão, voz e multimodalMIT
S

dsh-voice

stardustlc666/dsh-voice

Ferramentas de voz: síntese de voz neural gratuita com edge-tts, transcrição ASR compatível com OpenAI, lista de vozes, pré-visualização de vozes em lote e autodiagnóstico de estado.

6anteontemVisão, voz e multimodalMIT
H

dsh-voice

haoku123/dsh-voice

Modo de voz full-duplex para a interface web: ditado por toque para alternar ou manter pressionado (tecla de envio ou `Ctrl`) com legendas ao vivo, ASR SenseVoice do lado do host via sherpa-onnx, respostas faladas frase por frase, e falar interrompe a reprodução e o turno em execução (verdadeira interrupção). Sem chave de API.

6há 8 diasVisão, voz e multimodalMIT
P

dsh-voice-call

pandapolo/dsh-voice-call

Chamadas de voz iniciadas pelo agente: `offer_call` faz o humano tocar (接听/拒接/稍后再说); as chamadas aceitas são sintetizadas e reproduzidas localmente com CrispASR + Qwen3-TTS (9 vozes, 2 dialetos chineses), e as rejeitadas devolvem a decisão ao agente.

4há 11 diasVisão, voz e multimodalMIT
H

DSH-Video2Agent (dsh-video2agent)

harm0ny-ai/dsh-video2agent

Permite que o agente entenda vídeos e responda diretamente: pergunte sobre conteúdo, comparação ou se vale a pena assistir a vídeos do Bilibili ou locais. A busca entre vídeos retorna vídeo e marca temporal, evidência do quadro exato e análise em lote de 1 a 10 vídeos. Prioriza uso local; ASR/OCR na nuvem e login do Bilibili são opcionais. Requer Python 3.11+, FFmpeg e a CLI (pip install video2agent). A página de configurações verifica e instala o ambiente. As rotas HTTP não verificam acesso DSH e podem ser chamadas por uma página do navegador.

3há 23 horasVisão, voz e multimodalApache-2.0
C

dsh-vidlens

cctv2333/dsh-vidlens

Amostra vídeo como uma pessoa, sem baixar: primeiro metadata/capítulos, depois frames com timestamp, transcrição priorizando legendas (ASR local só se a plataforma não tiver), tags sonoras AudioSet de 527 classes e comentários principais. 21 ferramentas compartilham um cache em disco com lock entre processos. Requer Python 3.10+, ffmpeg e vidlens (pip install vidlens-mcp); se faltar, mostra duas soluções em vez de um ImportError simples.

3há 16 diasVisão, voz e multimodalMIT
A

dsh-lark-plus

anfruj/dsh-lark-plus

Ponte entre DeepSeek Harness e Feishu/Lark: oferece chat, cartões, aprovações, quadro de tarefas, metas e agendas no Feishu, além de transcrição de voz totalmente local (offline) com barra de reprodução na Web GUI.

3mês passadoIntegrações e acesso remotoMIT
W

dsh-hold-to-talk

wangzhanchao883/dsh-hold-to-talk

Entrada com uma só mão e sem teclado para o compositor: prima e mantenha o rato na caixa de entrada, fale, largue — o texto fica no rascunho, e deslizar para cima cancela sem deixar uma meia frase para trás. Não há botão de microfone para acertar nem atalho para memorizar; a mão nunca precisa de sair da área de entrada, o que é essencial quando a outra mão está ocupada. O reconhecimento corre totalmente offline (SenseVoice via sherpa-onnx, sem chave de API, o áudio nunca sai da máquina).

3há 2 mesesVisão, voz e multimodalMIT