Plugins

Espaço de estudos para DeepSeek Harness: importa seus PDFs, DOCX, PPTX, Markdown e gravações de aulas, cria flashcards com fontes, quizzes e perguntas abertas e agenda revisões espaçadas SM-2 em um painel web integrado. A transcrição das gravações exige sua própria chave SiliconFlow, Groq ou Gemini. Requer DSH 0.2.0-rc.2 ou posterior, mas inferior a 0.3.

Biblioteca de papers, leitor PDF e tutor. Páginas citadas levam ao trecho exato e o destacam; perguntas sobre seleção sem sair do paper. Inclui plano de leitura, orientação por seção e quizzes avaliados entre sessões. MinerU (self-hosted sem cadastro; nuvem mineru.net exige token) lê scans; fórmulas citáveis por clique (LaTeX ao chat), pesquisáveis por QK^T e listadas por página. Endpoint embeddings opcional para busca semântica. Exclusões recuperáveis em .trash. Scroll/página única, barra direita em tela cheia, copiar caminho, PDF traduzido e original↔chinês com babeldoc sem pré-instalação. Transcrição/busca local por padrão; só cloud MinerU/embeddings/tradução habilitados enviam o texto correspondente ao serviço configurado.

Transcrição local de reuniões no DeepSeek Harness para macOS com Apple Silicon: grava microfone e áudio do sistema, identifica os falantes e exporta a transcrição.

Cérebro DeepSeek + transcrição automática de imagens: anexe imagens na GUI e cada uma é transcrita pelo deepseek-v4-flash-vision-exp oficial por padrão (um cérebro V4-Pro puramente textual pode ver imagens), com qualquer VLM compatível com OpenAI ou Ollama local como alternativas.

model router por etapa: predefinições nomeadas com regras ordenadas de grupos de imagem/palavras-chave que encaminham cada etapa do agente através de cada fornecedor e modelo montado, adicionando fluxos de colaboração para transcrição de imagens, um protetor de imagem, um painel de quotas multi-plano e observabilidade de decisões por etapa.

Microfone do compositor para a interface web: toque para monitorar a transcrição ao vivo e segure para falar, com leitura da resposta por Edge TTS do host transmitida enquanto o modelo gera, pausa de eco durante a leitura e toque para parar.

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.

Canal WeChat (conta pessoal, iLink Bot API) para conversar com seu agente DSH pelo WeChat, com imagens, arquivos e transcrição de mensagens de voz. Uma conversa WeChat pode conter várias sessões DSH (/new, /list, /use); todas as opções são editáveis na página de configurações. Publicado no npm como dsh-plugin-weixin.

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.

Adiciona um canal QQ ao dsh via OneBot 11 (NapCat e similares): WebSocket reverso ou direto, conversas privadas e em grupo, transcrição de imagem e voz, cartões de texto para imagem t2i, encaminhamentos agrupados e página de configurações.

Geração local de imagem, voz, música e SFX, além de transcrição, com identidade fixada: personagens, animais, objetos e vozes de atores são definidos uma vez e reutilizados em cada chamada posterior; a saída degenerada (imagem quase plana, áudio silencioso) é rejeitada em vez de retornada como sucesso, e uma linha gerada pode ser lida de volta como texto, para que um clone que engoliu seu final se torne visível. Os motores descarregam quando ociosos, e a geração de imagens e a transcrição podem cada uma apontar para uma API no formato OpenAI em vez do backend local Vulkan.

Entrada de voz por microfone para o compositor: transcrição ao vivo via Web Speech API do navegador, deduplicação/continuação automática, pontuação inteligente, e configurações de idioma e envio automático

Downloads a Bilibili video with yt-dlp, samples key frames, and transcribes it — from the site subtitles, or from a local faster-whisper install when there are none. Registers the skill the agent uses to write the summary; activates when a user message contains only a video link. Requires yt-dlp and ffmpeg on PATH; transcription needs faster-whisper.

Transforma um link do Xiaohongshu, Douyin, TikTok, YouTube ou X em texto: transcrição com timecodes, texto na tela, descrição e OCR de cada imagem, legenda e metadados. Monta o servidor MCP hospedado via streamable HTTP.

Transcrição de vídeo com prioridade a legendas e exportação SRT, controlos de tarefas canceláveis, e recurso a faster-whisper large-v3 quando não existem legendas.

Add MiniMax image understanding, image generation, speech synthesis, and transcription tools to DeepSeek Harness.

Reads a video or audio file into metadata, sampled stills, subtitles and a multilingual speech transcript with speaker labels, captures the live desktop as frames or a recording, and installs its ffmpeg/whisper.cpp/sherpa-onnx toolchain on first use with per-file sha256 checks; all processing stays local. Automatic toolchain install and desktop capture currently support Windows x64 only, so elsewhere ffmpeg and model paths must be set manually.

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.

MiMo (Xiaomi) tools as a DSH profile plugin: web search, image/audio/video understanding, ASR transcription, TTS, voice design and voice cloning — native agent tools with a Settings page for the API key.

DeepSeek Harness plugin: multimodal tools (image/audio/video/document understanding, transcription, image generation) via Gemini API or the local Antigravity CLI.