Плагины

Возможности DeepWatch, устанавливаемые в существующий профиль DeepSeek Harness

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.

Голосовой ввод для веб-интерфейса: нажмите Alt (или Alt+Space) для запуска/остановки диктовки, браузерный Web Speech (без настройки) или облачный ASR, совместимый с OpenAI, опциональная полировка через LLM, настроенный в DSH, интерфейс настроек.

Оверлей настольного питомца Live2D для Web GUI DSH: отражает состояние агента (размышление, простой, ошибка, завершено, ожидание одобрения) анимациями и речевыми пузырями, тактильные реакции по частям, перетаскивание для стыковки, переключаемые персоны и пользовательские модели по URL или локальному пути.

Плагин голосового ввода для DeepSeek Harness (dsh): кнопка микрофона в композере преобразует речь в черновик транскрипции с выбором бэкендов распознавания речи, опциональной доработкой через собственные маршруты LLM dsh и нативной страницей настроек.

Озвучивает ответы ассистента через бесплатный Edge TTS или собственные голосовые модели RVC: кнопки озвучивания + автоозвучивание, адаптивное поблочное прогрессивное воспроизведение (длинные тексты без пауз), установка голосовых пакетов из реестра в один клик и портативная среда выполнения RVC.

Live2D-компаньон «кит-девушка» для web UI DeepSeek Harness: модель остаётся на экране и реагирует на то, что агент реально делает (размышление, вызовы инструментов, потоковый текст, ошибки, завершение хода); клик по ней отправляет агенту сообщение, и ответ стримится в речевую реплику; правый клик открывает меню выражений, элементов наряда, сцен рабочего стола и одноразовых анимаций, причём каждое действие сопоставлено с картой горячих клавиш автора модели, так что ничего не пересекается и всё истекает само. Некоммерческие ассеты модели (CC BY-NC-SA 4.0), код MIT, автор Andersen216 (https://github.com/Andersen216).

Голосовой ввод/вывод для DeepSeek Harness — распознавание речи и синтез речи через микрофон и аудиовыход.

Полнодуплексный голосовой режим для Web UI DeepSeek Harness: переключатель (автоотправка после паузы 2 с) или удержание для диктовки в редактируемый черновик через потоковое распознавание zipformer2, опциональное слово активации; побуквенное чтение Edge TTS с живыми субтитрами, а речь прерывает воспроизведение и текущий ход (настоящее barge-in). Локальное распознавание, без API-ключа.

Добавляет синтез речи Xiaomi MiMo в DSH Web: чтение вслух сообщений ассистента, потоковая передача PCM, готовые и пользовательские голоса, резервный синтез речи браузера, элементы управления воспроизведением и необязательные звуки интерфейса.

Голосовой ввод для DeepSeek Harness: говорите в микрофон, и распознанный текст отправляется как обычное сообщение чата, через локальное или браузерное распознавание речи.

Настольный питомец — кит-горничная в аниме-стиле для веб-интерфейса DeepSeek Harness (dsh): диалоги с LLM в реальном времени, 8 анимаций настроения, система запаса сытости, постоянный речевой пузырь и адаптированный для мобильных интерфейс кладовой.

Рабочая среда для медиа и компьютерного зрения в DeepSeek Harness: генерация изображений, видео и речи, вопросы и ответы по изображениям и поиск элементов, OCR длинных изображений, попиксельное сравнение, проверка HTML-скриншотов и суммаризация видео, с провайдерами DashScope и OpenAI-совместимыми, пулами моделей и клиентом рабочего места.

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

Подсвечивает части речи (существительные зеленым, глаголы красным, прилагательные/наречия фиолетовым) в отображаемом Markdown DSH Web, со светлой/темной палитрами, переключателями и обновлениями с учетом потока.

Перетаскиваемый персонаж-компаньон для веб-профиля DeepSeek Harness с шестью уровнями внешнего вида и выражения, четырьмя режимами задач, чатом текущей сессии, публичными сводками рассуждений и синтезом речи браузера.

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.

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.

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

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

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.

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.