多模态 · 第 21 页 586 个插件

图像、语音、视频、截图识别 本页是第 21 页,收录第 481–504 个(共 586 个)。

586个插件 第 21 / 25 页
B
dsh-bili-triple
wdnmdkami

给 B站 视频一键三连 —— 不白嫖别人,也不让自己白吃饭。

MIT2026-10
L3 · 已观测多模态S · 95
S
dsh-shell-canvas
feely0208

适用于 Node.js 和浏览器的最快 JSON 验证器。

UNLICENSED2026-10
L3 · 已观测多模态S · 95
M
mbh-img-gen
fireyy

工具接受 prompt、可选 image(URL、Base64 或最多 10 项数组)、size、response_format 和当前消息的 output_dir。

与当前版本不兼容
2026-10
L3 · 已观测多模态C · 78
D
deepseek-vl-support
limccn

中文说明 → docs/README.zh-CN.md。

MIT2026-08
L3 · 已观测多模态S · 100
V
dsh-video-storyboard
iFannna/dsh-plugins

速览版在 README.md(三分钟读完)。这份是长版:设计取舍、实测基线、和其他插件的对比。

不能与 1 个同 id 插件同装
Apache-2.02026-11
L1 · 可组合多模态S · 95
T
dsh-tesseract-ocr
maxwell-feng

一个 DeepSeek Harness(dsh)插件:让纯文本模型也能"看"附件图片——图片在本机用 Tesseract OCR 识别,只有识别出的文字会发给模型 API。

MIT2026-08
L3 · 已观测多模态S · 100
D
dsvu
ilps2/dsvu-videounderstanding

低成本视频理解插件:给 dsh agent 注册 video_understand 工具——B站链接 / BV 号 / 本地视频 → AVIS 信息层(ASR 转写 + 场景结构 + 运动对象轨迹 + YOLO 语义)→ 摘要+问答。

不能与 1 个同 id 插件同装
MIT2026-09
L3 · 已观测多模态S · 95
M
dsh-macvision
Zac-Linley/macvision

给 DeepSeek Harness 一个离线、零依赖的 OCR 工具:直接调 macOS 自带的 Vision 框架,把扫描件、截图、拍照文档和 PDF 里的文字,连同逐行坐标一起交给模型。

MIT2026-10
L1 · 可组合多模态S · 100
C
dsh-comfyui-image
wbb316

给 DeepSeek Harness(DSH)补上图片生成能力的插件:后端接本地 ComfyUI, 对外只暴露一个 Agent 工具 generate_image —— 文生图、图生图、局部重绘、背景移除四合一。

MIT2026-10
L3 · 已观测多模态A · 90
D
dsh-dania-voice
xcw520

给 DeepSeek Harness 用的本地 GPT-SoVITS 语音朗读插件:把助手的回复用达妮娅的音色念出来, 旁边挂着一个可拖动的小挂件控制开关。

MIT2026-10
L2 · 可安装多模态A · 90
D
dsh-desktop-control
qingying012

一个 DeepSeek Harness 插件:给模型一个原生的 desktop 工具,截屏看屏幕、按文字定位控件、移动/点击鼠标、输入文字和组合键。

MIT2026-10
L3 · 已观测多模态S · 100
D
dsh-douyin-publish
7gzgn

把一段本地视频,一路送到投稿页的"待发布"状态。

MIT2026-10
L3 · 已观测多模态S · 100
O
dsh-ocr-free
vitas

DeepSeek Harness 的本地 OCR:从截图、照片或扫描件中读出文字,无需联网,也无需 API 密钥。

MIT2026-10
L3 · 已观测多模态S · 100
O
dsh-ocr-local
grelvan

给 DeepSeek Harness(Web 端)装一个本地 OCR 兜底:当会话路由到的模型不支持图片输入时, 把图片里的文字读出来给模型;模型能看图时,插件完全静默、不插手。

不能与 1 个同 id 插件同装
MIT2026-10
L3 · 已观测多模态S · 95
P
dsh-plugin-bilibili
moxingovo/dsh-bilibili

为 DeepSeek Harness 打造的 B 站检索插件。安装后 Agent 获得五个工具。

MIT2026-08
L3 · 已观测多模态S · 100
P
dsh-plugin-catgod-call
2102638035-svg

给 AI 一个"喊话"工具:把文字合成语音,用扬声器大声喊出来。 一个 DSH (DeepSeek Harness) 插件,让 AI 在需要你回来的时候真的把你叫过来。

MIT2026-10
L3 · 已观测多模态S · 100
P
dsh-plugin-doubao-image
jayantTang/DSH_Mobile

面向:使用者 · 状态:stable · 最近核对:2026-09-20。

不能与 3 个同 id 插件同装
MIT2026-10
L3 · 已观测多模态S · 95
Q
dsh-quicksight
Isanti2016

DeepSeek Harness 双层图片识别插件:为纯文本模型补上识图能力,本地图片识别 + 模型识别双通道。

MIT2026-08
L3 · 已观测多模态S · 100
S
dsh-see-now
SAOS-3624

AI 不再"听你描述屏幕",而是自己看 —— 而且只传"画面变了"的那几帧。

Apache-2.02026-11
L1 · 可组合多模态S · 100
U
dsh-unity-vision
Dvcode982

给 AI agent 的 Unity 眼睛和手:看见实时画面(按需单帧 + 限频持续预览)、用虚拟鼠标操作用,再用游戏状态回读校验。

MIT2026-10
L1 · 可组合多模态S · 100
V
dsh-video-pipeline
439436269-ctrl

把一条跑通过的真实短视频生产流水线作为内置 skill 装进 DeepSeek Harness:共 19 个技能(1 个总入口 + 1 个编排 + 17 个原子),随插件一起出现在 agent 的技能目录里。

MIT2026-10
L3 · 已观测多模态S · 100
V
dsh-video-studio
litao36253

DSH 视频创作工作台插件:把一个素材目录做成成片。

不能与 2 个同 id 插件同装
MIT2026-09
L1 · 可组合多模态S · 95
V
dsh-vidlens
cctv2333

把 vidlens 从一个 stdio MCP 外壳变成 DSH 原生插件:18 个 vidlens_* 工具、图片直接进对话、按工具设超时、外加三个零下载的缓存工具。

MIT2026-10
L2 · 可安装多模态S · 100
V
dsh-vision-free-eyes
314857493/dsh-vision

给 DeepSeek Harness(DSH)的纯文本模型补上免费「眼睛」:一个分析已知本地图片路径的 vision(image, question) 工具, 直连智谱 GLM 免费视觉 API(glm-4v-flash → glm-4.6v-flash → glm-4.1v-thinking-flash 自动降级链), 不依赖任何额外安装的 CLI。

MIT2026-10
L1 · 可组合多模态S · 100