dsh-better-ears
在终端中运行以下命令:
dsh plugin install Destinhue/dsh-better-ears
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 中执行安装命令安装插件,或从源码仓库 https://github.com/Destinhue/dsh-better-ears 获取后通过设置中的本地插件安装。
插件介绍
大模型擅长读文字和看图,却很难真正「听见」素材里的声音。dsh-better-ears 是 DeepSeek Harness 的本地音频理解插件:让 agent 能处理语音转写、视频里的音轨与镜头卡点、以及音乐的速度、节拍、调性与曲式,全部在本机完成,不上传音频,也不按次计费。
它提供七个互补工具:audio_read 作为默认入口给出一份综合报告;需要逐句字幕时用 audio_speech;剪辑与鼓点对齐用 audio_rhythm;扒歌与调性走向用 audio_tonal;看段落结构用 audio_structure;先探流信息、响度与切点用 audio_probe;排查 ffmpeg 与识别通道用 audio_status。本地路径、相对路径与 file:// 均可,音频和视频都支持,视频会自动抽取音轨。
设计上强调「诚实报告」:BPM 有歧义会明说,小节第一拍不确定会说明,和弦只保证根音,语音与音乐会先分类再输出,避免把识别幻觉当歌词。语音识别优先复用 DSH 自带的 SenseVoice,否则可退回兼容接口或外部命令。
适合需要在本机做播客/会议转写、音乐视频卡点检查、扒谱与曲式梳理的开发者与创作者;若只关心画面内容而非声音,应使用其他视频插件。插件只处理本地文件,网络地址需先下载。
使用场景
- 会议或播客录音需要带时间戳的逐句转写和 SRT
- 剪辑音乐 MV 时检查镜头切换是否落在节拍上
- 扒歌或整理曲式,快速查看 BPM、调性与段落结构
适合人员
- 在本机处理素材、不想上传音频的 Harness 用户
- 做视频卡点与鼓点对齐的剪辑创作者
- 需要诚实、可解释音频报告的开发者与 agent 编排者