在开发 DSH 智能体时，若需要集成图像理解、生成或语音处理能力，通常需要调用多个外部服务。DSH 插件化架构下，直接通过插件扩展功能是更合理的做法。下面介绍 dsh-minimax-multimodal 插件，它将 MiniMax 的多模态能力接入 DSH。
这是什么¶
这是一个为 DeepSeek Harness (DSH) 提供图像理解、文生图、语音合成和语音转写工具的插件。由 lihanhong2002 维护，遵循 MIT 许可证。
核心功能¶
该插件提供以下工具：
minimax_understand_image：读取会话工作区中的图片并回答问题，默认模型为MiniMax-M3。minimax_generate_image：根据文字生成一张图片，默认模型为image-01。minimax_speak：将文字合成为 MP3，默认模型为speech-2.8-turbo。minimax_transcribe_audio：将音频转成文字，默认模型为asr-1.0。minimax_list_voices：列出可用的系统语音音色。
图片生成和语音合成成功后，插件会自动把文件登记到 DSH 的交付记录，显示在回复下方的文件卡片中。
安装与启用¶
- 在 DSH 桌面端插件管理器中添加本地插件目录。
- 使用官方 CLI 命令添加插件。命令如下：
dsh plugin --profile desktop add 'link:<插件目录的绝对路径>'
- 安装后在插件管理器中启用
dsh-minimax-multimodal。
典型用法¶
在 DSH 对话中直接提出自然语言请求，即可调用对应功能：
- 文生图：用 MiniMax 生成一张 16:9 的海边夕阳图片。
- 语音合成：用 MiniMax 把这段文字读成 MP3：你好，世界。
- 识图：用 MiniMax 看一下
images/screenshot.png，解释这个报错。 - 语音转写：用 MiniMax 把
recording.mp3转成文字。
适用场景与注意¶
- 环境要求：需要原生工具和文件交付接口的 DSH 桌面端版本，以及 Node.js 22 或更新版本。
- 权限与限制：识图和转写工具读取会话工作区中已有文件，需遵守 DSH 文件系统权限。
- 识图文件上限 10 MiB。
- 音频上限 50 MiB。
- ASR 最长 500 秒。
- 语音合成每次最多 3000 个字符。
- 配置密钥：插件通过宿主凭据服务读取密钥，配置项为
MINIMAX_CN_API_KEY。也可在宿主环境中设置同名环境变量。严禁把 API Key 写入源码、配置补丁、对话或仓库。已暴露的密钥应在 MiniMax 控制台撤销并重新生成。
总结¶
该插件通过原生工具和文件交付接口，将 MiniMax 的多模态能力无缝集成到 DSH 工作流中。欲了解详情或提交反馈，可访问 GitHub 仓库 或 DSH 社区目录。
