Плагины

Настольный чиби-питомец с голубыми волосами и в костюме горничной для веб-интерфейса DSH: 106 нарисованных вручную прозрачных анимаций, прогулки по рабочему столу, чат через локальный Ollama или онлайн-модели DSH и необязательное наблюдение за экраном.

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.

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.

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.

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

Голосовой помощник для DSH Desktop и Web GUI (один плагин, различается только имя profile): перетаскиваемый плавающий шар и VAD в браузере отправляют реплику после паузы. Повторно использует локальную модель SenseVoice, уже загруженную официальным voice-input; вторую модель скачивать не нужно. Поддерживает FunASR HTTP/streaming, облачный совместимый API, MiniMax / MiMo-V2.5-TTS (director mode и voice clone) и совместимые с OpenAI TTS-ответы. Опциональные wake-word/auto-sleep; отправка задач в отдельные сессии с прогрессом, остановкой и голосовым отчётом о завершении.

Добавляет два облачных распознавателя речи Volcengine Doubao в выбор голосового ввода DeepSeek Harness; по желанию LLM может переписать расшифровку.