Перейти к основному содержимому

Зрение, голос и мультимодальность

Плагины «Зрение, голос и мультимодальность» дают текстовым моделям DeepSeek в DeepSeek-Harness (dsh) глаза, уши и голос. Здесь есть инструменты зрения и провайдерские маршруты, которые распознают и описывают вставленные скриншоты через Zhipu GLM, Gemini, Doubao или локальный Ollama, голосовой ввод с микрофона через браузерный Web Speech API или Whisper-совместимые API, озвучивание ответов с помощью Edge TTS или собственных голосов, полнодуплексные голосовые режимы, а также генераторы изображений, видео и музыки.

Найдено плагинов: 578

Z

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

zhu1090093659/dsh-web-ui

Инструмент зрения `describe_image` для текстовых моделей: изображения (локальный путь, URL, вложение) отправляются в настраиваемый совместимый с OpenAI vision endpoint, и в сессию попадает только возвращённый текст.

8k2 месяца назадЗрение, голос и мультимодальностьApache-2.0
L

modlens

liustack/modlens

Мост зрения для текстовых моделей: вставьте изображение — получите структурированные JSON-данные (OCR, разметка, семантика).

5kпозавчераЗрение, голос и мультимодальностьMIT
D

ipollowork

devin-axis/ipollowork

iPolloWork HyperFrames Video Studio и 27 редактируемых видеошаблонов в виде нативного окна диалога DeepSeek Harness.

4.2k3 месяца назадЗрение, голос и мультимодальность
S

dsh-image-gen

shanliuling/dsh-image-gen

Нативная диалоговая генерация изображений для DeepSeek Harness: попросите агента создать изображение, и он выполнит генерацию и сохранит результат прямо в диалоге.

1.6k5 дней назадЗрение, голос и мультимодальностьApache-2.0
Y

dsh-vision-router

ysr666/dsh-vision-router

Бесплатное зрение для текстовых агентов: встроенная цепочка распознавания без ключей API плюс пиксельные инструменты (вопрос-ответ, grounding, обрезка, попиксельное сравнение, цвета, OCR, трассировка в SVG, вырезание, скриншоты); просто вставьте изображение.

1.3kпозавчераЗрение, голос и мультимодальностьMIT
A

dsh-vision-toolkit

anionex/dsh-vision-toolkit

Зрение для текстовых моделей: вставьте изображение, и модель переключится на вариант Vision Toolkit для вопросов-ответов по изображениям, сравнения нескольких изображений, OCR длинных скриншотов, воспроизведения UI по скриншоту, привязки элементов и пиксельной разницы. По умолчанию ключ API не требуется — изображения обрабатываются бесплатным сервисом автора, 100 на машину в день; можно настроить на собственного провайдера.

9454 дня назадЗрение, голос и мультимодальностьMIT
T

tongflow

tong-io/tongflow

Студийный плагин TongFlow для DeepSeek Harness (dsh): модель проекта в стиле съёмочной группы, рабочие процессы TongFlow, создаваемые агентом, детерминированная генерация медиа, встроенный холст.

8703 месяца назадЗрение, голос и мультимодальностьAGPL-3.0
S

dsh-see-now

saos-3624/dsh-see-now

Позволяет текстовому агенту наблюдать за экраном в реальном времени или видеопотоком камеры. Каждый кадр оценивается по степени изменения изображения; важные кадры собираются на одном пронумерованном листе с огибающей звука, чтобы модель видела реальные изменения, а не снимок каждые несколько секунд.

661позавчераЗрение, голос и мультимодальностьApache-2.0
S

dsh-video-storyboard

saos-3624/dsh-video-storyboard

Преобразует видео (локальный файл или ссылка Bilibili/yt-dlp) в адресуемую раскадровочную сетку: пронумерованные ячейки, точные временные метки, расшифровка для каждой ячейки и огибающая аудио на общей временной шкале. video_zoom повторно считывает любой интервал в более высоком разрешении, чтобы текстовая модель могла изучить видео, а не читать краткое содержание.

550позавчераЗрение, голос и мультимодальностьApache-2.0
O

watch-skill

oxbshw/watch-skill

Возможности DeepWatch, устанавливаемые в существующий профиль DeepSeek Harness

3782 месяца назадЗрение, голос и мультимодальностьMIT
Y

dsh-tts-bridge

yuuyuko-uu/dsh-tts-bridge

Озвучивает разговоры DSH, используя встроенное чтение вслух на веб-странице DeepSeek, управляемое небольшим расширением браузера.

25717 дней назадЗрение, голос и мультимодальность
S

dsh-sd-bridge-guard

savinglighting/dsh-sd-bridge-guard

Плагин DeepSeek Harness: девять локальных функций генерации Stable Diffusion (текст-в-изображение, изображение-в-изображение, перерисовка маски, только генерация скриптов, согласованные скрипты двух версий, локальная команда инъекции уровня C, список моделей, управление службой и проверка целостности), протокол перенаправления запрещённого контента и параметры уровня C. Уровень A после генерации перечисляет модели/LoRA/пропорции, чтобы перегенерировать одной фразой; маски уровня C можно рисовать мышью. Между компьютерами настройка не нужна: каталог SD определяется автоматически, при отсутствии доступна установка с автоматической настройкой в один шаг, результаты сохраняются в рабочей области сессии.

231в прошлом месяцеЗрение, голос и мультимодальностьMIT
K

dsh-qwen-studio

kingcharleslzy-ai/dsh-qwen-studio

Рабочая область Qwen Image 2.1 для DSH: MLX на Apple Silicon или собственный сервер NVIDIA, нативное редактирование по референсу, LoRA, ControlNet, inpainting, общие пресеты, галерея и прогресс агента в реальном времени. Включены проверенные обновления и руководство по настройке агента.

2304 дня назадЗрение, голос и мультимодальностьApache-2.0
E

eac-design-world

ebony-vinyl/eac-design-world

Локальный плагин видеопроизводства и дизайна для DeepSeek Harness: многодорожечный монтаж, шаблоны и дизайн-система, нативный холст предпросмотра и экспорт настоящих файлов.

20225 дней назадЗрение, голос и мультимодальностьAGPL-3.0
D

dsh-imagegen

dickpy/dsh-imagegen

Генерация изображений на базе ИИ для веб-интерфейса DSH: преобразование текста в изображение и изображения в изображение через настраиваемую конечную точку, совместимую с OpenAI (gpt-image-2 / gpt-image-1 / dall-e-3), с карточкой настроек api_url/api_key и студией генерации с разделённой панелью в боковой панели.

195вчераЗрение, голос и мультимодальностьApache-2.0
F

dsh-comfyui

fandc520/dsh-comfyui

Управляйте локальным или удалённым сервером ComfyUI из DeepSeek Harness: инструменты comfyui_run / comfyui_object_info / comfyui_workflow генерируют и редактируют изображения и видео, с библиотекой рабочих процессов (извлечение графа: по компоненту / главный поток / всё), областью загрузки с автоматическим подбором разрешения, живой очередью, шаблонами SDXL и Wan 2.1, сопутствующим навыком и медиапрокси того же источника.

18923 дня назадЗрение, голос и мультимодальностьMIT
N

dsh-infinite_canvas

ninkch/dsh-infinite_canvas

Нодовая студия для DeepSeek Harness: сценарии, раскадровки, референсы и многокадровое видео на бесконечном холсте, в том числе пакетно из чата. Нужны собственные провайдеры изображений/видео/TTS (OpenAI endpoints или API видео в стиле Seedance/Sora). Без них работает офлайн в деморежиме с медиа-заглушками.

156позавчераЗрение, голос и мультимодальностьApache-2.0
K

dsh-spicy

kingcharleslzy-ai/dsh-spicy

Плагин для создания NSFW-контента, совместимый с Purge. Использует собственные модели в DeepSeek Harness для создания изображений для взрослых, видео со звуком и короткометражек из нескольких планов; поддерживает правку по референсу, управление стилем через LoRA и монтаж раскадровки с Agent.

1334 дня назадЗрение, голос и мультимодальностьApache-2.0
F

dsh-voice-prompt-enhancer

fishsb/dsh-voice-prompt-enhancer

Переписывает черновик в поле ввода в более ясный структурированный промпт: 5 режимов, цепочка резервных моделей и необязательная память нескольких ходов. Для голосового ввода DSH добавляет остановку при тишине, горячую клавишу и удаление слов-паразитов. Для распознавания по-прежнему используется официальный speechToText; движок в плагин не входит.

13018 часов назадЗрение, голос и мультимодальностьApache-2.0
F

brewreel

finderchangchang/brewreel

BrewReel (精酿) для DeepSeek Harness: создает вертикальный проморолик из JSON раскадровки.

118в прошлом месяцеЗрение, голос и мультимодальностьApache-2.0
Q

dsh-imagegen-video

q253595422/dsh-imagegen-video

Генерация изображений и видео с ИИ для веб-интерфейса DSH. Каталоги моделей по каналам и настройка запросов по семействам (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), боковая студия, бесконечное полотно узлов, предпросмотр файлов, навыки полотна и шаблоны промптов. Видео: текст/изображение в видео, первый/последний ключевой кадр, несколько референсов, асинхронные отправка/опрос/загрузка, инструменты видео на хосте, видеоузлы и локальная склейка двух и более узлов в MP4 через ffmpeg.

103позавчераЗрение, голос и мультимодальностьApache-2.0
W

dsh-media-desk

woniuniuniu/dsh-media-desk

Медиа-мастерская для DeepSeek Harness: запишите идею одной фразой и одним нажатием создайте сценарий, обложку, иллюстрации и раскадровку.

9513 дней назадЗрение, голос и мультимодальностьMIT
P

dsh-omi-voice

polinnizhong/dsh-omi-voice

Озвучивание в чате для DeepSeek Harness: нажатием читайте, ставьте на паузу и возобновляйте ответы ИИ естественными голосами Doubao TTS (BYOK); читается только итоговый ответ, код, таблицы и диаграммы отфильтровываются; локальный движок, плагин не хранит API-ключ.

753 месяца назадЗрение, голос и мультимодальностьMIT
C

deepseek-harness-video-director

chiphoton/deepseek-harness-video-director

🎬Режиссёр на базе ИИ: плагин генерации видео MiniMax-H3 под управлением DeepSeek-Harness. 🤖Больше, чем промпты. 🪄Интерфейс-канвас.

692 месяца назадЗрение, голос и мультимодальностьMIT