多模态 · 已扫描 · 第 22 页 635 个插件
图像、语音、视频、截图识别 本页是第 22 页,收录第 505–528 个(共 635 个)。
桌面上一只小鲸鱼挂件 + 一个 DSH 插件。挂件负责听、看、说(语音、陪看字幕、游戏弹幕、截图), 插件负责把它和你绑定的一间会话接起来 —— 挂件说的话进那间会话,那边的回话再递回挂件。
把 DSH 网页界面变成随音乐律动的可视化界面:系统音频实时频谱 + 网易云歌词 + 粒子视觉。
Spec-driven diagram review, deterministic doctor, and natural-language repair for DSH + diagram-draw.
ADB phone screen mirror in the right sidebar of the DeepSeek Harness Web UI, with in-panel settings.
为 DeepSeek Harness 提供视觉能力的原生 Cordis 插件。
版本不兼容 · 已强装实测87 种插画 / 二次元 / 图文版式 / 信息图风格 · 中文提示词编译 · 四家出图接口可在面板里直接填 key。
树外的 ocr 工具:逐页识别扫描版 PDF 或图像,仅在最后一页之后按顺序合并各页,并保存一份带有模型所判定的标题层级的 Markdown 文档。
不能与 1 个同 id 插件同装一个 DeepSeek Harness(dsh) 插件。
本地语音转写 DSH 插件(开源):TranscriberBackend 后端缝加 MLX 实现(Mac 先行);覆盖转写/对齐/字幕/分段。
安装时执行脚本让你的 DSH 用你喜欢的声音开口说话、汇报内容!
将 UI 截图解析为面向实现的结构化规范,帮助纯文本 DeepSeek 模型还原自适应 Web 界面。
依赖有已知漏洞为 DeepSeek Harness 提供视频理解能力——让纯文本智能体在视频上具备视觉与听觉。
DeepSeek Harness 的 QQ 机器人整合包:装一次,带网关、识图、语音和 B 站工具。
给 DSH 里的 agent 装一双本地耳朵:把别人发来的语音转成文字,没听清的时候敢说没听清。
DeepSeek Harness 工具插件:给 Agent 添加 bilibili_extract 工具。
给 B站 视频一键三连 —— 不白嫖别人,也不让自己白吃饭。
适用于 Node.js 和浏览器的最快 JSON 验证器。
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。
与当前版本不兼容给 DeepSeek Harness 一双手:一句话、或者一张静态图,在对话里直接变成循环 GIF。
Windows desktop popup that mirrors DSH ask_user_question in a bottom-right always-on-top window; whichever side answers first ends the other.
中文说明 → docs/README.zh-CN.md。
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DSH 的多平台语音合成(TTS)服务:豆包语音合成 2.0、阿里百炼、 OpenAI 兼容接口各自作为平台注册,用户自选音色;agent 可以开口说话、朗读指定内容并分段指定语气,其他插件也能调用同一个服务。
与当前版本不兼容一个 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。
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。
