多模态 · 第 5 页 586 个插件
图像、语音、视频、截图识别 本页是第 5 页,收录第 97–120 个(共 586 个)。
Mosaic 是一个轻量的 DeepSeek Harness 可视化回答插件。它把模型的回答从纯文本升级为紧凑的原生 React 组件,并保留一个受控的沙箱 HTML/JS 逃生舱,用来承载固定组件做不了的游戏、模拟器、音频、地图或自定义画布。
在 DeepSeek Harness 的右栏里直接播放 MP4 / M4V / MOV,用浏览器原生的播放器替掉那句「此文件类型不支持预览」。
让你选择的多模态模型,成为 DeepSeek 的眼睛。
版本不兼容 · 已强装实测将非图片文件/文件夹粘贴或拖入 DSH 聊天 → 粘贴会给出原生 @path 引用,拖放则以纯文本插入绝对路径。
粘贴的截图按编号引用:每一次 Ctrl+V 的图都会进入附件库、拿到固定编号(图片N)、列在输入框旁的面板里,并可以一键把「图片N」这张引用芯片插到光标处。
给没有视觉能力的纯文本 LLM(DeepSeek、GPT-4 base 等)提供图片输入接管。
dsh 插件市场里唯一支持「图片选择卡」的插件:给 DeepSeek Harness Web GUI 增加图片能力, 三个工具覆盖三种场景——模型让你在选项里挑图、在回复正文里展示图、你把图发给盲模型。
给 DeepSeek Harness 加视频 / 音频预览:在右侧栏的文档预览里直接播放 mp4、mov、mkv、webm 以及 mp3、flac、wav,不再出现「该格式文件暂时无法预览」。
在 DeepSeek Harness 的每条回复旁加一个音浪按钮,点击就能听到这条回复。
把会话里的一条消息整条复制出来——文字、图片、视频、文件——再粘贴回任意会话,附件依然在。
给 DeepSeek Harness(简称 DSH)补两个小功能。
模型回答时逐字发出音效,音色可换,也可以自己调。 进入对话时不发声,模型说完立刻停;窗口最小化、被挡住、或者切到别的标签页时照常发声。
把文生视频与图生视频带进 DeepSeek Harness——支持阿里云通义万相、火山引擎/豆包 Seedance、Google Veo、OpenAI Sora 以及兼容的中转服务。
dsh-better-sidebar 的视频文件预览插件: 在侧边栏打开 .mp4 / .webm / .mov / .mkv / .avi 等视频文件时,内联渲染一个可播放、可拖拽进度条的 播放器。
给 DeepSeek Harness 的纯文本模型装上"眼睛"。
不能与 3 个同 id 插件同装把自动识图孪生收进原模型行,用清晰的图片按钮保持目录简洁。
DSH 专属语音输入插件:点按或按住 Alt 说话、松开/再点按转文字,结果追加到输入框草稿末尾(不覆盖已输入内容)。
DeepSeek Harness(DSH)Web 界面的语音输入插件:聊天输入框左侧出现一个麦克风按钮, 点击开始录音、再次点击停止,语音经 Whisper 类 ASR 接口识别后自动填入输入框 (已有文字则追加)。
不能与 2 个同 id 插件同装给 DeepSeek Harness 更好的「输入」体验。
与当前版本不兼容为 DeepSeek Harness(DSH)Web 界面打造的双面插件:让聊天界面直接显示图片,并让模型解读图片。
GLM 视觉模型 插件:把智谱 glm-4.6v 系列视觉模型以独立供应商路由的形式接进 DeepSeek Harness,并提供一个 glm_vision 工具,让 DeepSeek 等文本主模型「动脑」、GLM「当眼睛」。
DSH Web GUI 声音工坊(Sound Lab):四个触发条件各自可选用音效(会话结束 / 弹出选项 / 请求许可 / 停止),AI 生成角色语音,音效库上传与管理——全程可视化点选,无需改代码;悬浮角色桌宠(默认)或圆球按钮、三种外观、配置双持久化。
面向产品的统一反馈入口:描述与截图(复用商家 IM 图片存储)经产品遥测进入可检索的反馈记录。
与当前版本不兼容左:在画布中绘制草稿、摆放参考图,并通过对话生成成图。 · 右:基于已有结果继续对话修改,在画布中持续迭代创作。
不能与 5 个同 id 插件同装本页没有匹配的插件
筛选只作用于当前这一页的卡片。换一组条件,或者回 全部插件从第一页看起。
