跳过主要内容

插件

浏览、筛选并安装 DeepSeek-Harness 插件。

共 214 个插件

P

dsh-voice-call

pandapolo/dsh-voice-call

agent 主动打来的语音电话:`offer_call` 向人类振铃(接听/拒接/稍后再说),接听后由本地 CrispASR + Qwen3-TTS 合成并播放(9 个音色,含 2 个中文方言);拒接则把决定返回给 agent。

416天前视觉、语音与多模态MIT
F

dsh-chatvoice

fuzzysoul/dsh-chatvoice

Web UI 免费语音闭环:浏览器语音识别输入(实时中间结果上屏)+ 助手回复朗读与自动朗读,零配置、免 API key。

43个月前视觉、语音与多模态MIT
C

voice-call

crease123/voice-call

推荐先看作者教学视频 https://www.bilibili.com/video/BV1t9sJ6NErV/ 。直接与当前 DSH Agent 语音交谈,无需切换预设:停顿后自动识别并发送,回复流式播报,支持说话打断与五段声条反馈。识别和合成可分别选择 DeepSeek 或豆包,在设置中配置自己的凭据,通话规则仅在通话期间注入;附 Bilibili 使用教学视频和电话按钮图解,通话提示词支持恢复默认。

33天前视觉、语音与多模态MIT
L

dsh-dafeiyu-emotion

lidu-china/dsh-dafeiyu-emotion

给 DSH 输入框加一个鱼耳麦克风,本地转写语音、估计语气与情绪,并让大肥鱼按情绪自然回复。

315天前视觉、语音与多模态MIT
C

dsh-vidlens

cctv2333/dsh-vidlens

按人看片的顺序取样,而不是下载整片:先元数据与章节,再按时间码抽帧看画面、字幕优先转录(平台没有字幕才走本地 ASR)、AudioSet 527 类声音事件标签与高赞评论——21 个工具共用一个磁盘缓存,并带跨进程锁。需要 Python 3.10+、ffmpeg 与 vidlens 包(pip install vidlens-mcp);缺依赖时回给你的是两种修法,而不是一句 ImportError。

321天前视觉、语音与多模态MIT
F

dsh-agentic-roleplay (dsh-agentic-roleplay-core)

firefox2100/dsh-agentic-roleplay

为 DSH 提供具有结构化世界、自主角色、持久会话、世界创作、语音与图像生成功能的智能体角色扮演系统。需要安装并启用 Firefox2100/dsh-agentic-roleplay#state。

3前天娱乐GPL-3.0
U

dsh-notify-say

unifilitence/dsh-notify-say

为 DSH 提供 Windows 桌面通知,默认把回合结果读出来:Windows TTS 零下载即可用,另有 13 个 VOICEVOX 语音包可在设置页下载。完成提醒会等子代理与后台任务结束后再响;审批、提问、出错立即提醒。语音包从 GitHub 下载,下载前需确认使用条款。

328天前集成与远程MIT
A

dsh-lark-plus

anfruj/dsh-lark-plus

DeepSeek Harness × Feishu/Lark 桥接:在飞书聊天、审批及管理任务、目标和日程;Web GUI 提供本地离线语音转写与播放。

32个月前集成与远程MIT
W

dsh-hold-to-talk

wangzhanchao883/dsh-hold-to-talk

输入框上的单手、免键盘输入:鼠标在输入框按住、说话、松手,文字直接进草稿;上滑取消,不留半句。不用去瞄麦克风按钮,也不用记快捷键,手始终不用离开输入区——另一只手正忙的时候,这一点才是关键。识别完全在本机完成(SenseVoice + sherpa-onnx),无需 API key,音频不出本机。

32个月前视觉、语音与多模态MIT
N

dsh-plugin-speech

nakamuraia/dsh-plugin-speech

在 DeepSeek Harness 中朗读助手回复:支持多种 TTS 服务并边生成边流式播放。

32个月前视觉、语音与多模态MIT
B

dsh-voice-call

biliye/dsh-voice-call

DSH 桌面端与 Web GUI 通用(同一份插件,只是 profile 名不同)的个人语音通话助手:可拖拽悬浮球通话面板、浏览器端 VAD(停顿自动发送)、语音识别可选本地 SenseVoice(复用官方「语音输入」插件已下载的模型,免装第二份模型)/ FunASR HTTP 或流式 / 云端兼容 API、MiniMax / MiMo-V2.5-TTS(含导演模式与音色克隆)/ OpenAI 兼容 TTS 语音回复、可开关的唤醒词模式(沉默自动休眠),以及把任务分发给独立子会话并跟踪进度、停止与完成播报。

32个月前视觉、语音与多模态MIT
L

dsh-voco

lgquan/dsh-voco

为 DSH 提供持续语音对话,支持免提监听、按住说话、语音识别、TTS 语音回复和后台 Agent 任务委派。

325天前视觉、语音与多模态MIT
L

Deepseek-Continuity

linxuhao/deepseek-continuity

本地生成图像/配音/音乐/音效并听写,同一性锁定:角色、动物、道具与配音角色定妆定声一次,之后每次调用复用同一份参考;退化产物(接近纯色的图、静音的音频)被拒绝而不是当成成功返回;生成的台词可以听写回文字,好让吞掉结尾的克隆暴露出来。空闲时引擎卸载显存,生图与听写也可改指向任意 OpenAI 形状的 API 而不用本地 Vulkan 后端。

32个月前视觉、语音与多模态MIT
N

voco-input-sh

nothree-code/voco-input-sh

Web UI 语音输入:输入框麦克风按钮驱动本地 VocoType 离线识别,识别结果自动插入输入框(自动部署/防重复/持续输入)。

32个月前视觉、语音与多模态MIT
B

dsh-stt-input

baisama-cloud/dsh-stt-input

Web UI 语音输入:输入框旁麦克风按钮语音转文字填入输入框;支持浏览器 Web Speech API 本地识别(零配置、无需密钥)与 OpenAI 兼容 Whisper API(OpenAI/Groq),模型与语言可在设置中选择。

33个月前视觉、语音与多模态MIT
J

dsh-voice

jesse-njx/dsh-voice

语音输入、语音输出:把口述音频转写为用户消息(transcribe),让 agent 朗读回复(speak),本地优先,音频存于 ~/.dsh/voice。

33个月前视觉、语音与多模态MIT
Q

dsh-mic-input

qt-chen/dsh-mic-input

输入框麦克风语音输入:浏览器 Web Speech API 实时转写,自动去重/续听、智能标点,支持语言与自动发送设置。

33个月前视觉、语音与多模态MIT
J

voice_for_dsh

junarch/voice_for_dsh

DSH 网页端朗读 DeepSeek 输出,先将代码、表格和 Markdown 转成适合朗读的文本,支持逐条手动播放和自动朗读。

26天前视觉、语音与多模态MIT
P

dsh-sound-atelier

puffdog-git/dsh-sound-atelier

朗读助手回复,支持 Edge、云端与本机语音引擎,可为不同人格绑定音色,提供中日配音、云端音色管理、RVC 变声,以及供其他插件调用的语音接口。

25天前视觉、语音与多模态MIT
P

dsh-discord-cyberfriend

puffdog-git/dsh-discord-cyberfriend

把 DSH 人格接到 Discord,可用 Bot 或选用的个人账号;每个频道独立会话,能看图片与贴图、按表情、在语音房收听与说话、收发语音消息、播放音乐,频道操作先预览再确认。

24天前集成与远程MIT
C

dsh-big-fish-speak

chaowei08/dsh-big-fish-speak

让 dsh-pet 桌宠用设置页里选定的音色朗读模型输出。新版桌宠整段一次下发(受其单次 500 字上限约束),旧版自动按 60 字切段兜底;每一段都回读桌宠日志,确认真的念了出来。

210天前视觉、语音与多模态MIT
E

dsh-breeze-tts

eslaykey/dsh-breeze-tts

DeepSeek Harness 的 Breeze Blue 语音合成:Agent 工具、回复播放、声音设计与设置页。

223天前视觉、语音与多模态MIT
N

dsh-minimax-byapi

ningyuanlee/dsh-minimax-byapi

为 DeepSeek Harness 接入原生 MiniMax:通过官方 MiniMax API 对话,并提供生图、视频、语音、音乐与语音转写工具。

29天前模型与账号接入MIT
S

dsh-recorder-card

synswarm/dsh-recorder-card

开发预览版DSH插件:导入兼容BLE录音卡记录,可选转录与指纹关联归档;需录音硬件、Host蓝牙及Python依赖。

220天前视觉、语音与多模态MIT