视觉、语音与多模态
视觉、语音与多模态类插件让 DeepSeek-Harness（dsh）里纯文本的 DeepSeek 模型也能"看图""听声""开口"。包含把粘贴的截图交给智谱 GLM、Gemini、豆包或本地 Ollama 做 OCR 与图像描述的 vision 工具和供应商路由、基于浏览器 Web Speech API 或 Whisper 兼容接口的麦克风语音输入、使用 Edge TTS 或自定义音色的朗读回复与全双工语音模式，以及图片、视频、音乐生成工具。
共 86 个插件
dsh-voice-ai-girlfriend-plugin
beiyege-01/dsh-voice-ai-girlfriend-plugin
Web UI 语音 AI 女友：FunASR 麦克风语音输入、Qwen3-TTS 语音回复、数字人动画窗、QQ 双向聊天（文本/语音/图片推送，经 NapCat）。
dsh-plugin-appshot
tauruswood/dsh-plugin-appshot
DSH 版 Codex Appshots：全局快捷键精准捕获当前工作窗口，零摩擦挂载至 Composer 作为上下文向 Agent 提问。
dsh-easyvision
s3yf1337/dsh-easyvision
让纯文本模型拥有视觉：describe_image 工具调用 dsh 模型列表中的视觉模型描述图片，走 harness 自身的 LLM 运行时。
dsh-vision-subagent
ruby1304/dsh-vision-subagent
为任意 DSH 路由装上眼睛：Web 输入框贴图按意图自动聚焦分析，视觉子代理代读工作区图片，原图可随时物化编辑。
dsh-subagent-vision
niuniuaba/dsh-subagent-vision
让纯文本 DeepSeek 代理在同一会话内读图：委派给视觉子代理，发送时自动把图片转为文件路径。
dsh-unsloth-hands
microherox/dsh-unsloth-hands
把重复的文本与视觉（OCR、图像分析、对比）劳动交给本地运行的 Unsloth Desktop（Unsloth Studio）服务器：unsloth_run 与 unsloth_vision 两个工具，纯 HTTP 客户端，不拉起也不持有任何进程。
dsh-vision-plugin
ld-1101/dsh-vision-plugin
让纯文本模型也能看图：发图自动用视觉模型描述（默认提示词），描述不足时对话模型自动生成更具体的提示词重新解析；系统模型/自定义双模式 + GUI 可视化配置、Key 脱敏安全、针对 DSH 0.1.0-rc.6 的宿主小补丁（见仓库 README）。
dsh-vision-recognizer
kaixinbaba/dsh-vision-recognizer
视觉模型路由：把附加图片经可配置模型（15+ OpenAI 兼容与 Anthropic 供应商）转译为文字，对话仍由 DeepSeek 作答。
dsh-quicksight
isanti2016/dsh-quicksight
纯文本模型双层识图：优先本地快速 OCR（RapidOCR，离线），不足时回落视觉模型（modlens）。
dsh-vision-guard
good-boy4069/dsh-vision-guard
纯文本路由的透明图片护栏：贴图不再 400 卡死会话，附带 vision_analyze 工具（OCR/PDF/docx/pptx/视频）。
dsh-plugin-image-input
elohia/dsh-plugin-image-input
图片转文字输入插件：粘贴/拖拽图片自动转为结构化文字描述发送，给纯文本 LLM 提供图片输入接管（OpenAI 兼容视觉 API）。
dsh-vision-solution
br1nosense/dsh-vision-solution
为 DSH 纯文本模型补充视觉能力：识图技能（图片理解/OCR/文档解析，竞速池→自定义通道→本地）+ 幂等宿主补丁，让图片消息能送达模型侧。
dsh-nanobananapro
synmindai/dsh-nanobananapro
Generate images and videos in DeepSeek Harness through the NanoBananaPro API
dsh-seedance2
synmindai/dsh-seedance2
Generate images and Seedance videos in DeepSeek Harness through the Seedance 2 AI API