跳过主要内容

插件

浏览、筛选并安装 DeepSeek-Harness 插件。

共 73 个插件

S

dsh-video-storyboard

saos-3624/dsh-video-storyboard

把视频(本地文件,或 B 站 / yt-dlp 链接)压成一张可寻址的宫格图:每格烧编号、对应精确时间、挂台词,底部还有同时间轴的音频包络;video_zoom 可对任意窗口高清重看——纯文本模型因此能「看」视频,而不是读别人写的摘要。

550前天视觉、语音与多模态Apache-2.0
E

EduWork (dsh-knowledge-studio)

ecnu/eduwork

基于工作区资料的 Studio,复用 DSH 模型与共享成果服务,制作报告、演示文稿、表格、思维导图、测验、闪卡及音视频。Office 生成需 Python 3.12+ 及相关依赖,并配置 DSH_OFFICE_PYTHON;媒体渲染需 Chromium;本地语音转写另需 whisper.cpp 和模型。

370昨天工具与能力MulanPSL-2.0
R

Envoy (envoy-dsh)

regrevia/envoy

贴一条链接,Agent 直接把内容读给你:小红书笔记、抖音与 B 站视频、微信公众号文章,连同文章、PDF、音频,都变成可引用的 Markdown,直接进你的知识库或 wiki。同一批题 60 轮对照:读完并作答 22% → 92%(+70 个百分点),跑到超时 68% → 0%,答案说中原文事实 23% → 82%(这组 A/B 是探索性的:两臂时限不同、未做人工正确性复核)。123 条真实链接里 80% 能直接当素材(能连上的页面里 93%),打不开的链接 26 秒就报。Codex / Claude Code / DSH 通用。

13621小时前工具与能力Apache-2.0
F

dsh-prompt-enhancer

fishsb/dsh-prompt-enhancer

一键提示词增强(5 模式·记忆链·模型链)+ 语音识别(云端 Qwen3-ASR / 本地 SenseVoice 离线,说完自动停),附服务异常一键重启。

12113天前工具与能力Apache-2.0
B

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)。

5724天前视觉、语音与多模态
P

dsh-voice-scribe

pensivefei/dsh-voice-scribe

面向 DSH Web UI 的语音输入插件:点按或按住 Alt 听写,结果落进输入框草稿。默认本地离线 SenseVoice(离线、零配置、零 key),自动回退浏览器 Web Speech,可选 OpenAI 兼容云端 ASR 服务链,可经 DSH 已配置模型润色,带设置页。

3616天前视觉、语音与多模态MIT
Q

dsh-voice-mode (dsh-voice-mode)

qishuilalala/dsh-voice-mode

DeepSeek Harness Web UI 全双工语音对话:按钮或 Ctrl+Shift+V 进入,持续聆听(停顿自动发送)或按住说话,zipformer2 流式识别入可编辑草稿、可选唤醒词;回复按句 Edge TTS 朗读并显示实时字幕,开口即打断播放与回合(真 barge-in);识别模型本地推理、Edge TTS 在线合成,无需 API Key。

333天前视觉、语音与多模态MIT
W

dsh-ears

wiziscool/dsh-ears

面向 DeepSeek Harness (dsh) 的语音输入插件:输入框的麦克风按钮把语音转成草稿文本,支持多种语音识别后端,可选经 dsh 自有 LLM 路由润色,并带原生设置页。

315天前视觉、语音与多模态MIT
H

dsh-asr-plugin

huliux/dsh-asr-plugin

为 Apple Silicon macOS 上的 DeepSeek Harness 提供本地会议转写、麦克风与系统音频录制、说话人标签及 @ 引用的总结、决策与待办。

207天前视觉、语音与多模态Apache-2.0
S

dsh-bili-watch

sacredbluedragon/dsh-bili-watch

把 B 站视频解析成模型可消费的结构化内容:元数据、评论、弹幕、字幕、本地 ASR 转写、抽帧 OCR。本地跑不上传、字幕诱饵检测(可疑时抽帧核对)、二次读瞬时、输出 manifest + 摘要。抽帧 OCR 需 ffmpeg;本地 ASR/OCR 需 Python 3.10+ 虚拟环境(Windows 另需 VC++ 运行库);AI 字幕需登录 B 站。

18前天工具与能力MIT
C

dsh-bilibili

czx2244/dsh-bilibili

B站视频分析工具:提取元数据、字幕文稿(必剪/本地 ASR 兜底)、评论与弹幕,抓取清晰关键帧并可选本地视觉描述。

1726天前工具与能力MIT
I

dsh-video-understand

ilps2/dsh-video-understand

低成本视频理解工具:video_understand 把 B站链接/BV号/本地视频转成 AVIS 信息层(ASR+场景结构+对象轨迹+YOLO 标签)并输出摘要+问答。问题驱动动态路由分层(L0 ASR / L1 对象轨迹 / L2 关键帧 VLM)、语义层复用(重复提问直接查层)、单次问题预算上限。Python 引擎:核心层需 faster-whisper / opencv / yt-dlp(约 200-300MB);可选语义层另需约 2GB 的 torch / transformers / ultralytics。内置 doctor --fix 一键建 venv 并装齐两者。

1511天前工具与能力
D

dsh-video-lens

dundunhan/dsh-video-lens

为纯文本 DeepSeek Harness Agent 提供视频理解:场景感知抽帧、VLM 与可选 ASR 转录融合为时间线证据。

133个月前视觉、语音与多模态MIT
D

dsh-video-vision

destinhue/dsh-video-vision

五个工具,把视频当成原料而不是节目来读。video_outline 把整片映射成文字、一张图都不画:4-60 个等分窗口,每行给切点数量、语音占比、强度条和标签,再给出值得先看的窗口以及下一步的精确 start/end —— 零图像 token。video_probe 不解码画面就给元数据和阅读计划。video_storyboard 把一个时间窗口压成一张分镜图,再给一份文本索引,把每一格绑到时间码、切点数量与取帧时刻;在那一档尺寸下文字会糊掉的格子会被标记 zoom,dedupe global 可以把切走之后又回来的画面折叠掉。video_zoom 把短窗口里的 1-9 格按更大尺寸重画。video_read 只解关键帧,逐屏 OCR,返回大纲加 \[mm:ss] 文本 —— 讲座、幻灯片和录屏走这条,因为文字才是内容。它也能把只有声音没有画面的文件读成转录稿(字幕轨、DSH_ASR_CMD、你传的转录文件,长音频按 45 秒切在静音处),没有任何可读文字时会把六张变化过的画面拼成一张图,还可以把结果导出成 SRT、WebVTT 或纯文本。切点、叠化与单帧闪烁用一遍 ffmpeg 找出;十分钟以上的片只解关键帧分析,两小时课程快 2.7 倍;格子永远不会缩到源图的五分之一以下,所以 1440p 的图用同样的 token 换更少更大的格子。OCR 可以用 Windows 自带的引擎、带行框的 tesseract,或 DSH_OCR_CMD。凡是要文件的地方都能直接给 B 站链接(bilibili.com/video/BV…、裸 BV 号、av 号、b23.tv 短链):300 秒以内直接在 CDN 上读、不落盘,更长的下一遍缓存,缓存有 4 GB / 24 片的预算,play 链接缓存十分钟,不是单个视频的链接会各自说明是什么。需要 ffmpeg,有 ffprobe 时用 ffprobe,除此之外没有运行时依赖。它是 SAOS-3624/dsh-video-storyboard 的接口兼容重实现:注册同样的 video_probe / video_storyboard / video_zoom 工具名,所以两者不能同时启用。

10前天视觉、语音与多模态MIT
D

dsh-media-lens

drscrewdriver/dsh-media-lens

liustack/modlens 的全媒体(视频/音频/图像)延伸:把本地媒体转成结构化证据(时间线/转写/版面区域)注入对话,让纯文本模型能引用具体帧、秒、说话人——Evidence, not imagination。每个媒体一条 failover 链,逐跳记录在 meta.attempts(降级绝不静默):宿主已注册全模态模型优先,其次自配 OpenAI-compatible 端点(逗号分隔多 key 轮换),再落到本地 ffmpeg 抽帧 / 本地 ASR CLI,末位仅元数据降级。吸收 modlens 实战经验——仅 auth/quota 类失败触发冷却且软化垫队尾(不剔除)、错误文本先脱密后截断、magic-byte 校验绝不信任扩展名。可选 vision-bridge 把透镜包装成模型选择器可见的 media-lens 包装 provider,让纯文本主力获得图/音/视频视野。多模态模型的注册/认证与真正的音视频直传依赖两个姊妹插件配合(均声明为 optional peer,未装则能力自动降级、不报错):dsh-thinking-levels 承接模型配置录入/登记面,dsh-llm-openai-completions 做 OpenAI-compatible 传输接管、把 file 块序列化成 video_url / input_audio 真正上送。隐私:媒体缺省会发往远端 provider,开启 strictLocalOnly 则不出本机。不随包分发的安装前提:PATH 上的 ffmpeg/ffprobe(抽帧/重编码/时长探测,缺失时降为仅元数据),以及音频兜底需用户自备本地 ASR CLI。支持宿主 0.1.7 / 0.2.0 / 0.2.1 共 6 个 rc(engines.dsh 精确枚举)。npm 包名:dsh-media-lens。

10前天视觉、语音与多模态
D

dsh-video-storyboard-hp

dsh-raising-plan/dsh-video-storyboard-hp

SAOS-3624/dsh-video-storyboard 的高性能分支,与上游二选一、不能同装。把视频压成可寻址的宫格分镜(编号、每格时间戳与台词、音频包络);需要 Node 20+、PATH 上的 ffmpeg/ffprobe,文件无字幕轨时还需配置 ASR 端点。

820天前视觉、语音与多模态MIT
O

dsh-xiaoai-bridge

omsociety/dsh-xiaoai-bridge

把小爱音箱(小爱同学 / 小米智能音箱)接成语音助手的插件:托管本地桥接器进程,听到唤醒词就收音、做语音识别(ASR / STT),把对话交给 DSH 会话,再用语音合成(TTS)把答案念回音箱播报。

6昨天视觉、语音与多模态MIT
S

dsh-voice

stardustlc666/dsh-voice

语音五工具:edge-tts 免费微软神经语音合成、OpenAI 兼容 ASR 转写、音色清单、批量音色试听与健康自检。

6前天视觉、语音与多模态MIT
H

dsh-voice

haoku123/dsh-voice

Web UI 全双工语音对话:点按切换或按住说话(发送键或 `Ctrl`)并显示实时字幕,宿主端 SenseVoice(sherpa-onnx)转写,回复按句流式朗读,开口说话即打断播放与正在运行的回合(真 barge-in),无需 API key。

68天前视觉、语音与多模态MIT
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。

411天前视觉、语音与多模态MIT
H

DSH-Video2Agent (dsh-video2agent)

harm0ny-ai/dsh-video2agent

你的 Agent 浏览了无数网页,现在该让它看视频了。Video2Agent 让 AI Agent 看懂视频、直接回答:B 站和本地视频都能问——讲了什么、哪条更好、值不值得看。跨视频检索返回视频与时间码,按时间码取帧作证据,一次批量分析 1-10 个视频;本地优先,云端 ASR/OCR 与 B 站登录可选。需要 Python 3.11+、FFmpeg 与 CLI(pip install video2agent),设置页可一键检查并安装环境。它的 HTTP 路由没有 DSH 的访问检查,浏览器里打开的网页可以调用它们。

3昨天视觉、语音与多模态Apache-2.0
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。

316天前视觉、语音与多模态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。

3上个月集成与远程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