轻量级视觉桥，自动将贴图经LLM/Stream转为VL文字描述，消除内容不支持报错；内置view_image/ocr_image视觉工具，原生多模态路由自动跳过，零依赖。
纯文本模型现可上传图片，按需调用view_image工具，借助任意OpenAI兼容视觉端点（默认Qwen/DashScope）识别图像内容并作答，轻量接入，即刻拥有多模态反馈。
DeepSeek Harness 插件：DeepSeek 大脑 + 自动识图。GUI 附加图片自动经 OpenAI 兼容 VLM 转译成文字后交给 DeepSeek 作答；支持百炼/智谱/OpenRouter 等任意 OpenAI 兼容端点...
整合Qwen视觉理解、语音转文字、文生图三类多模态能力，提供统一规范的调用接口，无需复杂配置即可快速接入使用，开发部署简单高效。
轻量级插件为编码模型
语音插件提供逐条消息语音播放、自动公告播报、麦克风听写输入能力，支持自由组合阿里云DashScope或火山引擎的云端TTS、ASR服务，无需复杂配置即可快速接入。
依托DashScope千问能力打造的MCP服务插件，可直接识别长视频、大体积图片与音频文件，支持生成对应多媒体内容，通过百炼临时OSS直传突破文件大小限制。
该插件适配DashScope平台的Kimi大模型，支持kimi-k3的图片输入、思考推理与工具调用能力，无构建步骤，开箱即用，可快速集成至大模型应用框架。
给 DeepSeek 补上「眼睛和耳朵」的多模态视觉插件：看图 / OCR / 物体检测 / 视频理解 / 语音转写 / 截图直读，一键安装（DSH 插件）。
支持全双工实时语音交互，可适配主流WebUI平台，后续将兼容微信小程序端调用，部署轻便，交互低延迟，支持多轮语音对话与上下文语义理解。
支持多供应商路由调度，可一站式完成媒体生成与视觉理解任务，集成Iris工作台简化操作流程，开箱即用无需复杂配置。
Qwen / DashScope Token Plan web search provider plugin for DeepSeek Harness (dsh)