🤖

dsh-llm-multimodal

模型推理更新于 2026.10.18

在终端中运行以下命令：

dsh plugin install xiaokaizhou/dsh-llm-multimodal

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install xiaokaizhou/dsh-llm-multimodal，即可从 https://github.com/xiaokaizhou/dsh-llm-multimodal 安装该多模态生成插件。

插件介绍

在 DSH 对话里做创作时，文本、出图、出片、看图问答、配音和配乐往往要换不同工具或手写 API，模型与协议也容易对不上。dsh-llm-multimodal 把六类能力收进同一套聊天工具：generate_text、generate_image、generate_video、generate_vision、generate_tts、generate_music，多数模态走 OpenAI 兼容端点，文本则走 harness 的 LlmRuntime，由你在「设置 > 模型」里配置的网关统一承接。

插件会从 llm-pi-ai 设置里按模型 id 关键词自动识别可用模型，对话中描述需求即可调用，无需为每个工具单独维护模型列表。图像与视频覆盖常见 OpenAI 风格生成接口；视觉理解支持多图输入与本地路径自动转换；语音与音乐按模态分离选型，并可在支持时做参考音频音色克隆。若搭配 dsh-media-studio，生成物可默认写入活跃项目的素材目录并带回画布信息，配合 media-preview 在聊天里预览本地媒体。

适合已在 DSH 里配置多模态或 OpenAI 兼容网关的创作者、产品与设计同学，以及希望在同一对话流里完成「生成 → 落盘编排 → 预览」的团队。当前版本通过 llm-pi-ai 发现模型，视频任务采用轮询且等待时间较长，需确保所用 provider 支持对应兼容接口。