Плагины

Захват окна в стиле Codex для DSH Desktop на macOS и Windows: нажмите обе клавиши Command (macOS) или обе клавиши Ctrl (Windows) либо кнопку камеры, чтобы снять переднее окно, прикрепить его к текущему чату и внедрить дерево доступности в стиле VoiceOver как скрытый контекст.

Звуковые и голосовые оповещения для Web GUI dsh: отдельные тоны и опциональное озвучивание для одобрений, вопросов, завершений и ошибок.

Звонит на ваш телефон через CallKit: инструменты `call_me` и `text_me`, а также опциональные звонки по завершении хода и для подтверждений, чей устный ответ транскрибируется обратно в сессию.

Полнодуплексное голосовое взаимодействие на китайском языке для DSH Web: диктуйте и редактируйте задачи, отправляйте запросы, управляйте сессиями, отвечайте на вопросы DSH и слушайте краткие объявления о завершении задач.

Микрофон composer для веб-интерфейса: нажатие для мониторинга живой транскрипции и удержание для разговора, с озвучиванием ответа через хостовый Edge TTS, транслируемым во время генерации моделью, паузой эха во время чтения и нажатием для остановки.

Двусторонний QQ-мост через OneBot v11 (обратный WebSocket): сессии по группам и по приватным чатам, голосовое speech-to-text с цитированием по @, приватный просмотр изображений/анимированных стикеров, инструменты лиц и стикеров.

Двусторонний мост WeChat для DeepSeek Harness по протоколу iLink: привяжите свой личный WeChat через QR-код и общайтесь с локальным агентом DSH из чата (текст, изображения, голос-в-текст, файлы); веб-панель настроек обрабатывает привязку/запуск/остановку/статус, привязка сессии проекта продолжает разговор на десктопе, проактивные push-уведомления wechat_notify включают дросселирование, чистый демон Node работает на Windows/macOS/Linux.

Кнопка микрофона в строке инструментов композера: речь-в-текст через Web Speech API (Chrome/Edge), переключение языка и опциональная автоматическая отправка, без зависимостей.

Мультимодальный плагин на базе MiniMax: режим голосового вызова в реальном времени (потоковая беседа, плавающий интерфейс дока), голосовой режим и ввод голоса через микрофон, а также инструменты генерации изображений/видео/музыки/речи и визуального анализа.

Устанавливает Herta в качестве агента DeepSeek Harness: пресет с разделами промпта её персоны и памяти, шесть инструментов памяти и голоса, нарративный слой, отделяющий её размышления от того, что она говорит, 80 встроенных голосовых клипов, офлайн- и MiniMax-синтез речи, а также два вида беседы, отображающих сессию с помощью её собственных компонентов.

Долговременная межсессионная markdown-память со структурой LLM-Wiki и персоной SOUL.md, внедряемая в начале сессии (по умолчанию только после первого сообщения и только в активной), процессы remember/recall/consolidate/forget, встроенный навык памяти, миграция pack/unpack и напоминание в простое голосом компаньона. Даёт хранилищу наблюдаемость и уход: бюджет boot-блока на файл против обрезки индекса; автоштамповка last_access для затухания значимости; дашборд здоровья памяти (размер, свежесть, lint-parity); компилятор индекса (страницы объявляют summary:); интерактивный граф памяти; структурированные запросы (tag/type/salience/hot/stale); перекрёстные ссылки; отчёт `checkup` со списком действий по приоритету. Boot-полезная нагрузка сокращена на ~23%.

Голосовые инструменты: бесплатный нейросетевой синтез речи edge-tts, совместимая с OpenAI транскрипция ASR, список голосов, пакетное прослушивание голосов и самопроверка состояния.

Полнодуплексный голосовой режим для веб-интерфейса: диктовка касанием для переключения или удержанием (клавиша отправки или `Ctrl`) с живыми субтитрами, хостовая SenseVoice ASR через sherpa-onnx, ответы вслух предложение за предложением, а речь прерывает воспроизведение и текущий ход (истинное перебивание). Ключ API не требуется.

Бесплатный голосовой замкнутый цикл для веб-интерфейса: ввод с микрофона через SpeechRecognition браузера с промежуточными результатами в реальном времени, плюс кнопки динамика для озвучивания и автоматическое чтение ответов ассистента, без настройки и без API-ключа.

Универсальный набор для DSH: нативное окно рабочего стола Windows (WebView2), зрение DeepEye (GLM-4V-Flash) и голосовой ввод (кнопка микрофона) в единой установке.

Мелодии завершения для каждого рабочего пространства плюс звуки внимания для событий подтверждения, вопроса, проверки плана, блокировки цели и сбоя задачи, со встроенным синтезатором, голосом (TTS) и собственным звуком.

Мультимодальная рабочая станция для DSH: analyze_image по упорядоченной цепочке переключения из нескольких карт VLM, набор из шести инструментов зрения (масштабирование, выбор цвета, попиксельное сравнение, OCR, обнаружение элементов, встроенный показ) с общим распознавателем изображений, generate_image по протоколам OpenAI/DashScope/ComfyUI, асинхронный generate_video с несколькими картами и конструктором /build-video-tool, а также TTS speak/clone_voice по семи провайдерам — всё управляется одной автосохраняемой страницей настроек.

Ввод одной рукой и без клавиатуры для поля ввода: зажмите кнопку мыши на поле ввода, говорите, отпустите — текст попадает в черновик, а сдвиг вверх отменяет ввод, не оставляя недописанной фразы. Не нужно целиться в кнопку микрофона и запоминать горячую клавишу; рука никогда не покидает область ввода, что важно, когда вторая рука занята. Распознавание работает полностью офлайн (SenseVoice через sherpa-onnx, без API-ключа, звук не покидает машину).

Проигрывает звон и китайское голосовое оповещение, когда в веб-интерфейсе DSH появляется окно подтверждения, вопроса или проверки плана, чтобы вы не пропустили запрос.

Голосовой ассистент для dsh web: произнесите фразу активации (например, «小鲸»), чтобы включить диктовку без рук — сказанное распознаётся и автоматически вводится в поле чата. Поддерживает голосовые команды редактирования (отправить, очистить, новая строка, остановить чтение) и читает ответы ассистента вслух на китайском. Распознавание речи выполняется локально в браузере через sherpa-onnx WASM, поэтому работает офлайн без API-ключа.

Десктопный питомец «кит-девушка» для DeepSeek Harness: плавающий маскот в браузере плюс Windows-десктопный питомец, использующие общий бэкенд данных, с панелью баланса в реальном времени, уведомлениями о задачах, взаимодействием поглаживания головы, 19 предварительно синтезированными голосовыми репликами с эмоцией для каждой реплики и простаивающей речью с учётом присутствия.

ИИ-генерация аудио для веб-интерфейса DeepSeek Harness — мультивендорный TTS, музыка, звуковые эффекты и дизайн голоса с боковой панелью, сравнением моделей, библиотекой ресурсов и инструментами Agent.

Непрерывные голосовые разговоры для DSH с прослушиванием без рук, push-to-talk, распознаванием речи, ответами TTS и делегированием Agent в фоне.

Локальный TTS в реальном времени для DeepSeek Harness: голосовые пресеты, автоматическое чтение, ассистент настройки движка, кнопка озвучивания и панель настроек для движка GSV-TTS-Lite.