DSH Plugins
返回列表
dsh-video-vision

dsh-video-vision

客户端 更新于 2026.11.03

在终端中运行以下命令:

dsh plugin install Destinhue/dsh-video-vision

将以下提示词粘贴到 DeepSeek Harness 对话框中:

在 DeepSeek Harness 中执行 dsh plugin install Destinhue/dsh-video-vision 安装本插件(源码:https://github.com/Destinhue/dsh-video-vision),安装后需重启应用以使工具注册生效。

插件介绍

长视频和屏幕类内容往往不适合用一张缩略图 contact sheet 讲清楚:两小时讲座在视觉 Token 预算里几乎不可读,而「有声音无画面」的文件又根本进不了分镜工具。本插件面向 DeepSeek harness 里的视觉模型,把每个视图做成一张可逐格定位的分镜网格,并在接口上兼容 dsh-video-storyboard / dsh-video-understand 的同一套三工具,便于直接替换升级。

核心能力分三层:先用 video_outline 把整段视频切成等长窗口,用零视觉 Token 给出切镜、语音占比、强度条与标签,并点名最值得打开的时间段;再在选定窗口里生成分镜单图,按镜头与画面变化分配格子、控制每格 Token,必要时用 video_zoom 看单格全分辨率。屏幕文字为主的内容可走 video_read,把长课 OCR 成带时间戳的正文与提纲;纯音频则走转录路径,避免空跑分镜。

底层依赖 ffmpeg,在单次 pass 里用亮度与色度块均值做切镜与变化检测,区分硬切、局部换字、叠字等,并避免把闪白、溶解误切成一串镜头;长文件可在关键帧上加速扫描。结果侧尽量只给索引与图像,说明写在工具描述里,重复调用可缓存。

适合需要在 Agent 里「先看再答」的创作者与研究者:赛事与游戏回放、影视粗剪、B 站或 URL 直链、录屏课与幻灯片、以及只需听写或先摸全片结构再决定是否花 Token 看分镜的场景。

截图预览

使用场景

  • 长片或录屏课先用文本地图找值得打开的时间段,再按需生成分镜单图
  • 幻灯片、字幕或屏幕文字为主的内容需要可引用、可检索的时间戳正文
  • 赛事、影视或游戏片段要在 Agent 里按格查看镜头与细节

适合人员

  • 在 DeepSeek Harness 里给视觉模型接视频工具的插件作者
  • 需要处理讲座、录屏与 B 站链接的知识工作者
  • 先控 Token 成本、再决定看哪一段的分析与运营同学