Plugins

Mascote de desktop chibi, de cabelo azul e roupa de maid, para a interface Web do DSH: 106 animações transparentes desenhadas à mão, passeios pela área de trabalho, chat com Ollama local ou modelos online do DSH e observação opcional da tela.

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.

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.

Estação de trabalho omni-modal para o DSH: analyze_image sobre uma cadeia ordenada de vários cartões VLM com comutação de recurso, um conjunto de seis ferramentas de visão (zoom, amostragem de cor, diff de píxeis, OCR, deteção de elementos, apresentação inline) que partilham o mesmo resolvedor de imagens, generate_image sobre protocolos OpenAI/DashScope/ComfyUI, generate_video assíncrono com vários cartões e um construtor /build-video-tool, e TTS speak/clone_voice sobre sete fornecedores, tudo controlado por uma única página de definições com gravação automática.

Conversas de voz contínuas para DSH com escuta mãos-livres, push-to-talk, reconhecimento de fala, respostas TTS e delegação de Agent em segundo plano.

Assistente de chamada de voz para DSH Desktop e Web GUI (mesmo plugin, muda apenas o nome do profile): bola flutuante arrastável e VAD no navegador que envia cada fala após uma pausa. Reutiliza o SenseVoice local já baixado pelo plugin oficial voice-input; não baixa outro modelo. Suporta FunASR HTTP/streaming, API compatível com nuvem, MiniMax / MiMo-V2.5-TTS (director mode e voice clone) e respostas TTS compatíveis com OpenAI. Inclui wake-word/auto-sleep opcionais e envio a sessões separadas com progresso, parada e relatório falado de conclusão.

Adiciona dois reconhecedores de fala na nuvem Volcengine Doubao ao seletor de entrada de voz do DeepSeek Harness, com reescrita opcional da transcrição por um LLM.