dsh-media-gen

dsh-media-gen

让 DeepSeek Harness 会画图、会出片。 一个插件、一套设置页、三个工具、多条供应商通道。

Unified image + video generation for DeepSeek Harness — image_generate / generate_video / animate_image, multi-provider (OpenAI-compatible relays, DashScope 通义万相, Volcengine Seedance, Google Veo, Sora-style /v1/videos), settings UI, video gallery, MIT.

30 秒上手

1. 安装插件（三种渠道任选，推荐 npm）

# ① npm 注册表（推荐，自动跟随最新版）
dsh plugin --profile desktop add dsh-media-gen

# ② GitHub 仓库直装
dsh plugin --profile desktop add github:EmberwingAviation/dsh-media-gen

# ③ 本地源码（开发用，改源码即生效）
dsh plugin --profile desktop add link:/path/to/dsh-media-gen

或者用图形界面：设置 → 内置插件 → 添加插件 → 输入 dsh-media-gen（也接受 GitHub 地址或本地目录路径）。

npm 包页：https://www.npmjs.com/package/dsh-media-gen ｜ 装完可在「设置 → 内置插件」列表看到 dsh-media-gen 与版本号 升级：重复执行同一条安装命令即可取到最新版（升级后需重启 DSH）

2. 完全重启 DSH（插件在启动时装载）

3. 填一个生图供应商 → 设置 → 生图 → 供应商目录卡 → 新建：

• 名称、Base URL（如 https://你的中转站/v1）、API 格式（多数中转站选 openai-images）
• 密钥（写入 DSH 凭据服务，不会明文存配置文件）
• 模型列表：可以点 「拉取上游模型」 一键从上游 GET /models 拉取候选

4. 选默认模型 → 同一页的默认配置卡 → 当前模型选一个（image_generate 就跟着它走）

5.（可选）配视频 → 设置 → 视频生成 → 加供应商（类型 / Base URL / 模型 / 密钥 / 是否支持图生视频）

6. 开始用 —— 新建一个会话，直接对 Agent 说：

「画一只在深夜海面上跃起的座头鲸，电影海报风格」 「把这张图做成 5 秒视频」（附图） 「生成一段视频：赛博朋克城市雨夜，镜头缓慢推进」

⚠️ 工具只在新建的会话里出现：DSH 的会话工具集在会话创建时快照，装完插件后请开新会话。

你会得到什么

工具	做什么
image_generate	文生图、参考图改图（referenceImages 传 1–5 张对话里的图）；结果存 generate/image/ 并直接显示在对话里
generate_video	文生视频（异步任务 + 自动轮询）；结果存 generate/video/、对话内播放，并收录进视频画廊
animate_image	图生视频：源图可以是工作区文件、对话附件、或"对话里最新那张图"

产物都在工作区的 generate/ 下，随时可再引用；视频还能在会话顶栏的 视频画廊 里回看。

支持哪些服务商

生图（按供应商选择 API 格式）：

格式	适用
openai-images	OpenAI 官方、以及绝大多数 New API 系中转站的 /v1/images/generations（推荐）
openai-chat-image	只提供 chat 路由携图的中转站（兼容兜底）
xai-images / gemini-image	xAI、Google Gemini 系原生格式

生视频（按供应商选择类型）：

类型	说明	图生视频
dashscope	阿里云通义万相	✅ 默认支持
volcengine	火山引擎 Seedance	✅ 默认支持
google	Google Veo	✅ 默认支持
openai-compatible	OpenAI / Sora 风格 /v1/videos 异步任务，含各类中转站	⚠️ 需手动勾选「支持图生视频」（经 input_reference 传图）

同一条通道可配多个模型，默认供应商在设置页单选；单次调用还可用工具参数 provider 临时换。

配置详解

设置 → 生图（一页两卡）

• 供应商目录卡：增删改供应商（名称 / Base URL / API 格式 / Key / 模型列表），每行有密钥状态徽章； 「拉取上游模型」按钮会带着你填的密钥向 GET {BaseURL}/models 请求，把返回的模型 id 去重合并进列表
• 默认配置卡：
  • 启用 image_generate：关掉后工具会拒答
  • 当前模型：image_generate 实际使用的模型
  • 默认尺寸 / 默认质量：不给参数时用这套
  • Agent 出图通道：auto（默认，简单出图走命令行、需要参考图/内联/画廊时走原生工具）／cli／tool／subagent
  • 命令行出图输出目录 / 请求超时：给下面的命令行工具用

设置 → 视频生成

供应商目录（类型 / Base URL / 模型 / Key / 图生视频开关）、默认供应商单选、轮询间隔、等待超时、落盘目录。

密钥放哪

所有 Key 都交给 DSH 凭据服务（配置里只存引用名），不会明文写进配置文件、不会传进浏览器、不会进命令行。

命令行直连出图（可选）

不想经过 Agent 回合、想最快拿到图：

node scripts/gen-image.mjs "提示词" [--model qwen-image-3.0-pro] [--size 1024x1024] [--dry-run]

• 默认值来自「设置 → 生图」保存的配置（host 会把它同步成配置文件镜像），命令行参数可临时覆盖
• --dry-run 只打印生效配置，不消耗额度
• 参数、优先级、镜像机制见 docs/DEVELOPMENT.md

常见问题

Q：为什么新会话里才有这三个工具？ DSH 的会话工具集在会话创建时快照，装完插件或改了工具开关，新开一个会话即可。

Q：报 429 / 限流 / "负载已饱和"怎么办？ 插件会自动指数退避重试（默认 ≥60 秒起步，最多 3 次），不要手动连发；上游拥堵时等一会儿或换个供应商。

Q：视频任务一直转圈？ 异步视频任务偶尔会长时间停滞（上游排队）。插件会保留任务 id：超时后先查旧任务，而不是盲目重提； 确实要开新任务时，明确说「重提」或让 Agent 传 resubmit。

Q：图/视频存哪了？ 工作区 generate/image/、generate/video/；图片会内联在对话里，视频同时出现在视频画廊。

Q：改了设置要重启吗？ 改配置（供应商、模型、开关）不用重启；安装/升级插件、改插件自身代码需要重启 DSH。

Q：图生视频为什么提示不支持？ openai-compatible 类型默认关闭图生视频（不同中转站能力不一），到「视频生成」页把该供应商的「支持图生视频」勾上。

反馈与贡献

• 遇到问题或有需求：开 Issue
• 开发、架构、测试、发布流程：见 docs/DEVELOPMENT.md

English quick start

dsh plugin --profile desktop add dsh-media-gen   # restart DSH afterwards

Then go to Settings → Image generation: add a provider (Base URL / key / models), pick a default model, and ask the agent in a new session:

"Draw a humpback whale breaching at night, movie-poster style"

Three tools are exposed: image_generate (text-to-image and reference-image edits), generate_video (text-to-video, async polling) and animate_image (image-to-video). Outputs land in generate/image/ and generate/video/, inline in the conversation, with a video gallery tab. Keys are stored through the DSH credential service — never in config files.

Attribution & License

MIT © dsh-media-gen contributors. 本插件是以下两个 MIT 项目的 fork 合并与再创作：

上游	版权	使用范围
dsh-image-generation @0.1.2	whiteS18, MIT	lib/image-core.js、lib/client-image.js
dsh-video-gen @0.2.4（npm）	Yang-wudi / shanliuling, MIT	lib/video-core.js、lib/video-*.js、lib/client-video.js

完整声明见 NOTICE.md；上游 LICENSE 与源码副本保留于 vendor/；各改编文件头部均有来源注释。