DeepSeek Harness 插件Manifest 有效

dsh-llm-multimodal

基于 OpenAI 兼容 API 为 DeepSeek Harness 提供六大多模态生成与理解工具。

视觉与图像开发者工具

1GitHub Stars0Fork 数更新于2026-09-21

源码

安装

$ dsh plugin --profile web add xiaokaizhou/dsh-llm-multimodal

插件能力与用途

基于公开仓库快照由 AI 辅助整理，内容必须有源码依据；它不等同于兼容性验证或安全验证。

源码有据

dsh-llm-multimodal 是专为 DeepSeek Harness (DSH) 打造的多模态工具插件，提供文本生成、图像生成、视频生成、视觉理解、语音合成与音乐生成六项工具。插件自动从 llm-pi-ai 配置中识别匹配的模型，支持单图/多图视觉问答、参考音色克隆，并可无缝对接 dsh-media-studio 媒体工程与画布资产管理。

核心能力

基于 Harness LlmRuntime 的多协议文本生成
基于 OpenAI 兼容接口的图像生成（支持 Flux、SDXL、DALL-E 等）
文生视频、图生视频与关键帧视频生成（支持 Sora、Kling、Veo 等）
支持本地路径、Data URI 与链接的多图视觉理解与问答
语音合成（TTS）及基于参考音频的角色音色克隆与复用
音乐与音效合成能力
生成产物自动路由至 dsh-media-studio 画布素材库或回退本地临时目录

适用场景

在 DSH 对话中直接调用多模态模型生成配图、旁白语音和分镜视频
结合视觉理解模型对本地图片进行 OCR、图表分析与场景理解
使用自定义声音样本克隆角色音色并批量生成对白音频
与 dsh-media-studio 协同进行多媒体项目的可视化编排与画布落盘

适合谁

希望在聊天中一站式调用多模态生成能力的 DeepSeek Harness 用户
制作角色立绘、台词配音与视频分镜的内容创作者
接入自有 OpenAI 兼容多模态网关的开发者

文档中可确认的限制

除 generate_text 外的多模态工具均依赖 OpenAI 兼容接口规范
视频生成采用轮询机制，最长等待时间约为 10 分钟
模型通过 llm-pi-ai 设置自动发现，自动 Provider 配置界面当前版本已暂停
音色克隆功能要求 Provider 支持 MiniMax 兼容的上传与克隆接口

DSH 兼容性

DSH Plugin 针对具体版本记录的运行验证证据。没有结果只代表我们尚未测试，不代表不兼容。

尚未测试目前还没有发布运行兼容性测试结果。

安全信号

来自包元数据和源码检查的客观信号。这些信息用于辅助判断，不代表绝对安全保证。

依赖数量

package.json 声明了 6 个运行依赖、2 个开发依赖、3 个 Peer 依赖和 0 个可选依赖。

信息

已声明 DSH Bundle

package.json 中声明了 DSH Bundle 元数据。

信息

已声明许可证

GitHub 报告该仓库许可证为 MIT。

信息

已获取 package.json

已获取仓库根目录 package.json，可用于 Registry 元数据检查。

信息

源码可用

本次 Registry 快照已获取公开 GitHub 源码元数据。

信息

来源与 Registry 记录

展示此条目的公开来源、Registry 分类与最近一次源码检查信息，并与运行验证结果明确分开。

源码仓库: xiaokaizhou/dsh-llm-multimodal
Registry 来源: GitHub · dsh-plugin topic
Registry 分类: Plugin
源码检查: f4d328f · 2026-10-25

本页面基于公开源码信息独立收录。DSH Plugin 与 DeepSeek 及插件作者均无隶属关系；安装前请始终以作者仓库中的最新说明为准。

仓库活跃度

GitHub Stars: 1GitHub stars
Fork 数: 0
未关闭 Issue: 0
最近提交: 2026-09-21
最近发布: 未发现 Release