在開發 DSH 智能體時，若需要集成圖像理解、生成或語音處理能力，通常需要調用多個外部服務。DSH 插件化架構下，直接通過插件擴展功能是更合理的做法。下面介紹 dsh-minimax-multimodal 插件，它將 MiniMax 的多模態能力接入 DSH。
這是什麼¶
這是一個爲 DeepSeek Harness (DSH) 提供圖像理解、文生圖、語音合成和語音轉寫工具的插件。由 lihanhong2002 維護，遵循 MIT 許可證。
核心功能¶
該插件提供以下工具：
minimax_understand_image：讀取會話工作區中的圖片並回答問題，默認模型爲MiniMax-M3。minimax_generate_image：根據文字生成一張圖片，默認模型爲image-01。minimax_speak：將文字合成爲 MP3，默認模型爲speech-2.8-turbo。minimax_transcribe_audio：將音頻轉成文字，默認模型爲asr-1.0。minimax_list_voices：列出可用的系統語音音色。
圖片生成和語音合成成功後，插件會自動把文件登記到 DSH 的交付記錄，顯示在回覆下方的文件卡片中。
安裝與啓用¶
- 在 DSH 桌面端插件管理器中添加本地插件目錄。
- 使用官方 CLI 命令添加插件。命令如下：
dsh plugin --profile desktop add 'link:<插件目錄的絕對路徑>'
- 安裝後在插件管理器中啓用
dsh-minimax-multimodal。
典型用法¶
在 DSH 對話中直接提出自然語言請求，即可調用對應功能：
- 文生圖：用 MiniMax 生成一張 16:9 的海邊夕陽圖片。
- 語音合成：用 MiniMax 把這段文字讀成 MP3：你好，世界。
- 識圖：用 MiniMax 看一下
images/screenshot.png，解釋這個報錯。 - 語音轉寫：用 MiniMax 把
recording.mp3轉成文字。
適用場景與注意¶
- 環境要求：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。
- 權限與限制：識圖和轉寫工具讀取會話工作區中已有文件，需遵守 DSH 文件系統權限。
- 識圖文件上限 10 MiB。
- 音頻上限 50 MiB。
- ASR 最長 500 秒。
- 語音合成每次最多 3000 個字符。
- 配置密鑰：插件通過宿主憑據服務讀取密鑰，配置項爲
MINIMAX_CN_API_KEY。也可在宿主環境中設置同名環境變量。嚴禁把 API Key 寫入源碼、配置補丁、對話或倉庫。已暴露的密鑰應在 MiniMax 控制台撤銷並重新生成。
總結¶
該插件通過原生工具和文件交付接口，將 MiniMax 的多模態能力無縫集成到 DSH 工作流中。欲瞭解詳情或提交反饋，可訪問 GitHub 倉庫 或 DSH 社區目錄。
