视觉、语音与多模态

DeepSeek Harness 视觉插件：为纯文本调用方转接 Cloudflare Workers AI 视觉模型，返回带版本的结构化结果并支持追问。

面向 Composer 的浏览器 Web Speech 听写：识别无需专用 ASR 服务器、密钥或模型下载，复用会话文本与已配置模型做上下文词汇提示与转写润色。

meow-vision 是 DeepSeek Harness 的视觉插件，解决纯文本模型无视觉、以及 Vue 页面开发中视觉验证不闭环的问题。

让纯文本模型在 DeepSeek Harness 里也能看图：拦截 llm/stream 瀑布流，把每张图片透明替换为视觉模型给出的描述。

DSH Web 插件：调用智谱 GLM 视觉模型分析图片（analyze_image 工具 + 插件设置卡片）

轻量、保持路由的 DSH 视觉链路：由配置好的视觉模型看图，而你所选文本模型继续掌控推理与最终回答

为纯文本模型装上本地眼睛：eyes_render 在 Web 界面画布上绘制文字/图形/Mermaid，eyes_paste 接收用户粘贴的图片，eyes_ocr 用 Windows 自带 OCR 离线读文字，eyes_analyze 把像素解析成结构化数据，全程无需视觉模型。

面向模型的 accurate_vision 工具：借视觉模型对图片做精确空间推理，返回归一化到 0–1000 的边界框。

把图片粘贴进 DSH 聊天，先由免费本地后端（macOS Vision / Tesseract）识别文字，再交给纯文本 DeepSeek 模型回答。

DSH 图片插件：ask_user_choice 图文选择卡、show_images 回复内嵌图片，以及把用户发来的图片存为工作区文件。

DSH 的本地 Windows 11 OneOCR 工具：`oneocr_recognize` 返回 OCR 文本，以及包含行/词多边形、置信度、旋转角度和手写体样式的结构化结果。

DSH 的本地微信 OCR 工具：`wechat_ocr_recognize` 针对本地图片路径返回识别文本和引擎的结构化结果。

vision_analyze 工具：把本地图片或 URL 交给 OpenAI 兼容的视觉模型分析并返回文字。

DSH 语音输入插件：接入火山引擎流式 ASR（豆包 Seed ASR），识别结果流式回填输入框。

纯文本 dsh 模型的识图插件：粘贴图片自动由你配置的多模态模型转成文字——透明孪生路由、模型可自主调用识图工具、无内置密钥与中转。

明眸 VisionBridge：纯文本模型收到图片时自动调用视觉模型识别，把文字喂回主模型，全程无感、可配置。

给 DSH 加语音能力的社区插件：输入框语音输入（可配快捷键）+ 回答朗读（微软 Edge 音色），无需 API Key。

DeepSeek Harness OCR 插件：基于 PaddleOCR-json（主）与 RapidOCR-json（备）的离线图片文字识别，无需视觉模型。

为 DeepSeek Harness（DSH）提供确定性的媒体总量预算与安全的请求投影。

DSH 插件：通过硅基流动（SiliconFlow）视觉模型识别图片，支持本地路径、http(s) URL 与 base64 data URL，含粘贴识别面板。

DeepSeek Harness 的动态多模态转文本投影与跨模型视觉桥：可在视觉模型与纯文本模型（DeepSeek）之间无缝热切换。

IntelligentEyes——面向 DeepSeek Harness 的通用 agent 视觉网关。

vision-translation 的原生 dsh 适配器：调用 Python CLI 把图片转为 <vision-context> 文本给文本模型。