视觉、语音与多模态

对话结束语音播报（会话名、轮数、结果），回复生成时实时逐句朗读；内置 edge-tts，零第三方依赖。

双 MediaPlayer 守护进程（$think 思考循环 + $fx 一次性音效）支持音量闪避、情绪感知音效（连续成功/失败/长时间运行自动触发 smooth/struggle/deep_think）、15 种正弦/方波合成内置音、51 个工具分类映射、自定义 WAV/MP3 直替自动转换，以及完整设置页含深色模式修复。

一句话，让灵感从想法变成大片。在 DeepSeek Harness 中直接用自然语言调用可灵 AI，支持文生图、图生图、文生视频、图生视频、参考图创作、任务跟踪和结果预览。

按需自动把 DeepSeek 路由切到视觉模型：flash 主会话直接切（A），pro 保持深推理并交给视觉子代理读图（B），子代理恒切，含失败回退，无需手动切模型。

Turns attached files into versioned evidence: `search_documents` builds a private local index (SQLite FTS5 after a startup capability probe, dependency-free JS fallback otherwise) and returns compact evidence blocks carrying an exact coordinate — PDF page, PPTX slide, text/DOCX line range, or quoted XLSX `Sheet!Range` — which `read_document` expands only while the content version still matches. Contiguous CJK runs are indexed as overlapping bigrams and queried as phrases, so word order is preserved; uploaded raster images take the native vision attachment path instead.

对话内联图片 DSH 插件 — 在 DeepSeek Harness (DSH) Web GUI 的对话中,出现本地图片路径即直接渲染为图片。 A DSH plugin that renders local image paths as inline images in DeepSeek Harness (DSH) web conversations. Security-first: loopback-only route, strong per-process token, multi-root realpath whitelist.

DSH plugin: auto-detect and configure model capabilities (reasoningEfforts + input modalities) for llm-pi-ai. Successor to dsh-reasoning-efforts.

Per-model vision (image input) toggle for DeepSeek Harness (dsh): list every configured model and flip a switch to enable/disable image support without hand-editing settings.yaml. 为 DeepSeek Harness 提供按模型的「支持图片」开关：无需手改 settings.yaml。

Streaming speech-to-text for DeepSeek Harness using AllModels.io.

Agnes AI image & video generation tools for DSH (agnes_image_generate / agnes_video_generate)

🚀 告别繁琐 SCP！远程部署 DSH 一键下载修改后的文件与图片预览交付插件

Editable local and desktop dictation for DeepSeek Harness

Drag-and-drop PDF, Office, images, and text/code files into DSH conversations. The host extracts (and OCRs) them into the prompt; attach_* tools cover notebook cells, PDF-page OCR, image describe, and save.

Preview images / SVG (and prepare CSV) in the DeepSeek Harness chat, rendered as real browser <img> elements. Preview-first workflow: show the user the asset, wait for approval, then apply the real change.

DeepSeek Harness 语音输入：长按空格说话、松开上屏，零依赖，基于 Web Speech API。

在 DeepSeek Harness Web 客户端里口述提示词：输入区麦克风，转写可换用托管 Whisper API、自建服务或离线 whisper.cpp。

字幕优先的视频转录与确定性抽取式 Markdown 总结；字幕不可用时回退到 faster-whisper `large-v3`。

为无法识图的模型把图片转成文字：由配置的视觉模型生成描述，描述以折叠上下文条目写入会话历史，原始消息保持不变。

MiniMax CLI（mmx）桥接：把 mmx 的网络搜索回退与图像理解接入 DSH，贴图自动识图，首次使用提供安装引导与设置卡片。

DeepSeek Harness 全双工语音模式：流式识别写入草稿、按句朗读并配实时字幕、开口即打断；识别在本地推理，无需 API Key。

把小米 MiMo 能力封装为 DSH 原生插件：联网搜索、图片/音频/视频理解、ASR 转写、TTS、音色设计与克隆，并在设置页配置 API Key。

面向 dsh 的 88API 图像工作室：四款 Image2 与 Nano Banana 模型，支持文生图、多参考图编辑与 2K/4K 输出

Windows 桌面识图+模拟操作能力：截图交给视觉模型解析后模拟鼠标键盘操作，内置自进化技巧库

GLM 视觉模型插件：注册 glm-vision 供应商路由（glm-4.6v 系列）并提供 glm_vision 工具，让文本主模型直接调用智谱视觉模型看图。