Плагины

Учебное пространство для DeepSeek Harness: импортирует ваши PDF, DOCX, PPTX, Markdown и записи лекций, создает карточки с источниками, тесты и открытые вопросы, а также планирует интервальные повторения SM-2 во встроенной веб-панели. Для расшифровки записей нужен ваш ключ SiliconFlow, Groq или Gemini. Требуется DSH 0.2.0-rc.2 или новее, но ниже 0.3.

Библиотека статей, PDF-читалка и тьютор. Ссылки на страницы ведут к точному отрывку и выделяют его; можно спросить о выделении, не покидая статью. План чтения, разбор разделов, оцениваемые тесты между сессиями. MinerU (свой сервер без регистрации; облако mineru.net требует token) читает сканы; формулы цитируются нажатием (LaTeX в чат), ищутся через QK^T и перечислены по страницам. Необязательный embeddings endpoint для семантического поиска. Удалённое восстанавливается из .trash. Прокрутка/страницы, правая панель в полноэкранном режиме, копирование пути, перевод PDF, оригинал↔китайский через babeldoc без установки. Распознавание/поиск локальны по умолчанию; текст отправляется настроенному сервису только при включении cloud MinerU/embeddings/перевода.

Локальная расшифровка встреч в DeepSeek Harness на macOS с Apple Silicon: запись микрофона и системного звука, метки говорящих и экспорт расшифровки.

Мозг DeepSeek + автоматическая транскрипция изображений: прикрепляйте изображения в GUI, и каждое по умолчанию транскрибируется через официальную модель deepseek-v4-flash-vision-exp (чисто текстовый мозг V4-Pro тоже может видеть изображения), в качестве альтернатив — любая VLM, совместимая с OpenAI, или локальный Ollama.

Пошаговый model router: именованные пресеты с упорядоченными правилами групп изображений/ключевых слов направляют каждый шаг агента через всех подключённых провайдеров и моделей, добавляя потоки совместной работы для транскрипции изображений, защиту изображений, панель квот по нескольким тарифам и наблюдаемость решений на каждом шаге.

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.

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

Канал WeChat (личный WeChat, iLink Bot API) для общения с агентом DSH, включая изображения, файлы и расшифровку голосовых заметок. В одном чате WeChat можно вести несколько сессий DSH (/new, /list, /use); все параметры редактируются в настройках. Опубликован в npm как dsh-plugin-weixin.

Связка DeepSeek Harness с Feishu/Lark: чат, карточки, согласования, доска задач, цели и расписания в Feishu, а также полностью локальная (офлайн) расшифровка речи с панелью воспроизведения в Web GUI.

Добавляет канал QQ в dsh через OneBot 11 (NapCat и аналоги): обратный или прямой WebSocket, личные и групповые чаты, распознавание изображений и речи, карточки «текст-в-изображение» t2i, объединённые пересылки и страницу настроек.

Локальная генерация изображений, голоса, музыки и звуковых эффектов, а также транскрипция с закреплённой идентичностью: персонажи, животные, объекты и голоса актёров определяются один раз и повторно используются при каждом последующем вызове; вырожденный вывод (почти плоское изображение, беззвучное аудио) отклоняется, а не возвращается как успешный, а сгенерированную строку можно прочитать обратно как текст, чтобы клон, проглотивший свою концовку, стал виден. Движки выгружаются в простое, а генерация изображений и транскрипция могут каждая указывать на API в форме OpenAI вместо локального Vulkan-бэкенда.

Голосовой ввод с микрофона для composer: транскрипция в реальном времени через Web Speech API браузера, дедупликация/автопродолжение, умная пунктуация, настройки языка и автоотправки.

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.

Превращает ссылку Xiaohongshu, Douyin, TikTok, YouTube или X в текст: транскрипт с таймкодами, текст на экране, описание и OCR каждого изображения, подпись и метаданные. Подключает размещённый на хостинге MCP-сервер через streamable HTTP.

Транскрипция видео с приоритетом субтитров и экспортом в SRT, управлением задачами с возможностью отмены и резервным вариантом faster-whisper large-v3, когда субтитры недоступны.

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.