DSH Plugins
返回列表
🤖

agent-ear

模型推理 更新于 2026.11.12

在终端中运行以下命令:

dsh plugin install HudsonHuang/agent-ear

将以下提示词粘贴到 DeepSeek Harness 对话框中:

在 DeepSeek Harness 中执行 dsh plugin install HudsonHuang/agent-ear,即可从 https://github.com/HudsonHuang/agent-ear 安装 agent-ear 插件(bundle 会注册 Skill,CLI 仍需另行 uv tool install agent-ear)。

插件介绍

很多强大的文本 Agent 本身听不懂声音,却常常要面对会议录音、采访素材或课程视频。agent-ear 针对的是「已经录好的文件」:把音视频整理成同一时间轴上的结构化产物,让任何只读文本的模型也能像带着听力稿一样参与分析与决策。

它的价值不在于替代你直接向 Omni 提一个快问快答——单点问答仍是云端大模型更顺手。增量在于「能剪」:词级时间、约 40ms 的事件边界、节拍与 downbeat、章节与事件索引,都落在 audio-score.json 和给人/Agent 读的 hearing.md 里,方便批量处理、对照时间轴剪辑和可审计的二次提问。

提供 basic(粗粒度转录与摘要)、precise(字幕与精剪打轴)、music(节拍网格)等模式;绝大多数能力依赖 Qwen Omni API,privacy 为不上传的本地降级方向(README 注明 MOSS 尚未实现)。只做离线文件,不做实时同传或声纹识别。

适合剪辑师、内容运营、研究者,以及需要在 DSH/Codex/Claude Code 里用 Skill 反复问同一段素材的开发者;若你要的是边说边译、实时对话,应搭配实时语音方案,这里负责把时间切准。

使用场景

  • 把一小时会议录音转成带章节与事件索引的纪要,再让文本模型批量问答
  • 需要词级字幕或约40ms事件边界,为精剪和卡点导出时间轴
  • 同一段素材多次提问、审计结论,先转录一次再用 context.md 追问

适合人员

  • 剪辑师与视频后期,需要可下刀的时间戳而非只听大意
  • 内容运营与研究者,处理离线采访、课程或播客素材
  • 在 DSH/Codex/Claude 中用 Skill 处理音视频但模型本身不支持音频的开发者