前言¶

在 DSH 里讨论教程、演示或音乐视频时，常见做法是先把视频下载到本地，再手动截帧或上传片段给模型。步骤多、进度难接续，平台字幕和音轨也往往要单独处理。DeepSeek Harness 社区插件 dsh-video-vision（维护者 Tests4gptplay，分类：联网工具）把「发链接 → 取画面与音频 → 按时间细看 → 字幕/转写/卡点分析」收进同一套工具，当前版本 0.9.1，许可证 MIT。

这是什么¶

dsh-video-vision 让 DSH 中的 AI 结合画面、声音和歌词理解视频：支持 B 站、YouTube 等在线链接、带时间戳的画面、平台字幕、本地语音识别转写，以及原生缓存与观看进度管理。画面通过 DSH 原生图片附件交给支持工具调用与图片输入的模型；音频默认先分析最多 30 秒，可按区间继续扩展。

项目地址：GitHub · 目录页：skillhub.cn

视频来源与解析方式¶

1. Bilibili：视频链接、BV 号、b23.tv 短链和分 P，走内置接口。
2. YouTube 与其他站点：优先复用已保存的站点解析方法；新站点时 AI 可按插件指导用宿主网页与脚本探索，跑通后保存为扩展。
3. 备用解析器：保留 yt-dlp，配置 resolver: "yt-dlp" 可处理 YouTube、Vimeo、Dailymotion 等；上游站点列表见 yt-dlp supportedsites。yt-dlp 路径始终匿名，不接收 Cookie 或浏览器登录态。
4. 媒体直链与本地文件：HTTP(S) 媒体链接及本地视频文件（在扩展或 yt-dlp 可读范围内）。

登录会话通过本机「浏览器登录态导入」复用；网络代理可在配置里设置 proxy。直播请使用已结束的回放链接。

核心能力¶

• 链接直接观看：发送 URL 即可获取全片画面概览与一段音频分析/转写。
• 按时间细看：指定区间或时间点查看动作、界面与屏幕文字；省略起点时可从上次进度继续。
• 字幕与转写：读取平台字幕（人工优先于自动）；对白/歌词可用 DSH 语音识别器按最多约 15 秒窗口转写，重复观看复用缓存。
• 音频与卡点：分析片段返回可播放 WAV、电平、停顿、起音与 tempo（BPM 估计）；与 prominent_onsets_seconds 一起辅助选剪辑点。
• 本地缓存：已打开的视频与帧可重复使用；设置页可查看占用、搜索、跳转原链、提取或删除条目。
• 方法积累：在配置目录保存站点解析扩展与实践笔记，下次直接复用。

默认每批约 6 张画面，上限 12 张；快速变化的内容可缩短时间区间并增加帧数。

插件对外提供 video_vision 工具，主要 action 包括：open、watch、transcript、transcribe、audio、status、methods（详见 README 工具表）。

安装与启用¶

使用固定版本来源安装或升级至 v0.9.1。

DSH Desktop：打开 插件 → 添加插件，粘贴：

github:Tests4gptplay/dsh-video-vision#v0.9.1

Web 版：

dsh plugin --profile web add 'github:Tests4gptplay/dsh-video-vision#v0.9.1'

Web 与 Desktop 需分别安装。GitHub Releases 另提供备用 .tgz 包。安装并启用 video-vision 后，重新加载插件或重启 DSH，在新请求中发送视频链接即可。

运行依赖¶

• Node.js 22+（可用 DSH 自带版本）。
• FFmpeg / ffprobe：加入 PATH，或在插件配置中填写 ffmpegPath、ffprobePath。
• yt-dlp：仅在选择备用解析器时需要；插件可自动下载官方版本至 .dsh/tools/dsh-video-vision，也可用 ytDlpPath 指定已有安装。B 站内置方式、本地视频与自定义站点扩展不依赖 yt-dlp。YouTube 经 yt-dlp 时 Node 路径可用 nodePath 指定。

升级时保留原插件配置与缓存目录；从早期不同包名迁移时需先记录缓存目录与工具路径，卸载旧包后再装新版，并在设置里指回原缓存目录。

典型用法¶

安装后选择支持工具调用与图片输入的模型，可直接对话，例如：

看一下这个视频：https://www.youtube.com/watch?v=视频ID

接着可追问：

细看 50 到 80 秒，告诉我画面怎么变化。

回到 1 分 40 秒，读一下屏幕上的代码。

结合字幕，整理这一段的操作步骤。

命令行与插件共用分析流程（需运行中 DSH 的语音服务做转写时按 README 说明操作），示例：

node bin/video-vision.mjs open --source "https://www.youtube.com/watch?v=视频ID" --resolver yt-dlp --frames 6
node bin/video-vision.mjs watch --timestamps 12,45,120
node bin/video-vision.mjs transcript

设置、会话与配置要点¶

在 DSH 设置 → 视频视觉 中可：导入默认浏览器登录态（默认关闭）、可选同步至 DSH 内置浏览器、设置缓存目录、管理缓存列表与提取视频、打开「方法文件夹」等。默认配置目录为 %USERPROFILE%\.dsh\video-vision（或 DSH_HOME / configDirectory）。

video-vision 条目 config 示例（字段以 README 为准）：

ffmpegPath: ffmpeg
ffprobePath: ffprobe
cacheDirectory: .dsh-video-vision
maxHeight: 720
frameWidth: 1280
maxFrames: 12
maxDownloadMB: 1024
downloadTimeoutMs: 300000
processTimeoutMs: 60000
maxAudioSeconds: 60
speechProvider: sensevoice-local

转写前请在 DSH 语音设置中准备好识别器；站点扩展为本机执行的 JavaScript，应只启用自己编写或确认过的代码。

适用场景与注意¶

适合：一起看教程、讨论作品、分析演示过程、按时间点读屏上代码、结合字幕整理步骤、分析短段歌词或对白并找转场/卡点等。

务必知晓：插件以当前 DSH 进程权限在本机拉取与解码媒体；安装前应自行查看 源码与 MIT 许可证，并理解登录态加密保存在本机、匿名 yt-dlp 与带会话解析的分工。DSH 生态强调「一切皆插件」；skillhub.cn 为社区目录，与 DeepSeek / 幻方无官方从属关系。

结尾¶

dsh-video-vision 把在线与本地视频变成模型可操作的带时间戳画面、音频与文本，减少手工下载上传。需要固定版本安装源、工具 action 与缓存结构时，以 GitHub README 为准；目录页：https://www.skillhub.cn/plugins/Tests4gptplay/dsh-video-vision。