dsh-imagegen-video

图片与视频一体化的 DSH 生图 / 生视频插件。 生图之外，本仓库提供完整的生视频链路，以及画布视频节点、片段拼接。 各版本的改动见 CHANGELOG.md，第三方代码归属见 NOTICE。

赞助商

赞助商	简介与接入地址
	椰子API — OpenAI 兼容的多模型网关。一个 API Key 同时覆盖 GPT Image 与 Gemini 图像模型，不必分别注册各家；在插件里就是一个普通渠道，不需要改代码。 https://api.closeai.hk/v1 · Bearer API Key
	清衍 API — 面向国内开发者的 AI API 中转站，站点自述支持 Claude、GPT、Gemini 等模型。 https://api.metajing.cn/v1 · Authorization: Bearer <key>
	鲸屿 Whale Isle — 基于 DeepSeek Harness 的开源社区桌面客户端：AI 对话、终端与 Git、模型与 MCP 接入、主题壁纸与桌宠、用量统计，装好即可把本插件跑在桌面上。 Windows x64 · macOS Apple Silicon · MIT
	jev-chat — 聊天辅助决策工具：回复前先读懂对方意图与当下风险，再给出可一键填入的草稿，发不发由你。Android · Windows · macOS · iOS，MIT。 官网 chatjevs.com
	Mr. Day One — AI 原生编辑器，把仓库、终端和诊断信息接进同一条智能体回路：改代码、跑测试、读报错、再复审结果。 https://mrday.one
	Harness Catalog — DeepSeek Harness 插件目录：逐个评测、给出真实安装命令，并说明什么场景该用它。本项目已收录其中。 dsh-imagegen-video 条目
	莱昂 LEON — AI 电商操盘手 × GEO 顾问：把电商一线经验蒸馏成可审计的方法论与 AI 工作流，提供 GEO 品牌托管、电商方法论体系搭建与多智能体工作流定制。 点击名称或徽章访问站点

以上是赞助位，不是中立推荐。 七项均由第三方独立维护：两家 API 网关的 可用模型、价格、限流与稳定性，桌面客户端、移动应用与编辑器的兼容性、稳定性 及其使用条款，顾问站点的服务内容与交付承诺，以及插件目录的收录与评价，均以 各自站点公告为准，本项目不做担保。配置网关后密钥会发送给对应服务，请按需 自行评估；不要用它们处理你不愿意交给第三方的内容。

快速开始

需要已安装 DeepSeek Harness 和 Node.js 20+。

安装包有两个来源：npm registry（推荐，包名即版本，npm view 能查、能被锁文件盯住）与 GitHub Release 资产（每次附带 SHA256SUMS）。

# npm（registry 直达）
dsh plugin --profile web add @q253595422/dsh-imagegen-video

# 或 GitHub Release 资产
dsh plugin --profile web add https://github.com/q253595422/dsh-imagegen-video/releases/download/v1.7.8/q253595422-dsh-imagegen-video-1.7.8.tgz

也可以先到 Releases 页面下载 .tgz，再安装本地文件：

dsh plugin --profile web add ./q253595422-dsh-imagegen-video-1.7.8.tgz

⚠️ 不要与 @dickpy/dsh-imagegen 同时安装。 两者注册的是同一套 /api/dsh-imagegen/* 路由和同一个 UI 面板，同时启用会冲突。数据目录 ~/.dsh/dsh-imagegen/ 也是两者共用的，切换前请先备份。详见 授权与致谢。

安装后重启 dsh web，侧边栏会出现「生图」入口。到「设置 → 生图配置」添加提供方、填写 API 地址与密钥、检测并选择生图模型，保存后即可开始创作。Windows 若遇 PowerShell 脚本策略限制，请使用 dsh.cmd。

其他安装方式、升级与回滚

• **让 Agent 安装：**把上面的安装命令发给 DSH、Codex 或其他 coding agent。
• **指定版本：**把 URL 里的 v1.7.8 与文件名里的版本号换成目标版本，或从 GitHub Releases 下载对应版本的 tgz 后安装。
• **升级：**重复执行 add 命令指向新版本即可；插件也会在面板中提示新版本。更新后重启 dsh web。
• **DSH Desktop 用户：**宿主 CLI 不允许写入 desktop 这个 profile，所以面板不会假装去更新，而是直接给出可复制的命令和下载地址，由你自己执行——不会只甩一句「更新失败」而没有原因。
• 渠道配置、历史记录和画廊数据保存在 DSH 宿主侧，正常升级不会清空。

核心功能

能力	用途
无限画布	把提示词、参考图和生成节点连成可迭代的创作流程。
视频节点与拼接	视频节点与图片节点同一套控制；多选后按画布位置拼成一条成片。
电商套图	从商品参考图生成主图、卖点图、场景图等成套素材。
文生图 / 图生图	使用兼容的生图渠道生成、编辑并比较图片。
生视频	文生视频、图生视频、首尾帧与多参考图；按协议族适配异步渲染与轮询。
对话与 Agent	在 DSH 对话中生成图片、继续编辑，并把结果带回会话。
画廊与历史	图片与视频同列管理，支持模板与标签；在不同设备上接续创作。

把文字、图片和生成配置连起来；从历史或画廊加入素材，再继续生成和迭代。

画布、文件节点与技能细节

• 支持图片、文本、视频、生成配置和文件节点；图片节点可标注、移除背景或拆分图层。
• 海报编辑：在图片节点上叠加文字与 Logo 图层，拖动改位置，实时预览；导出是一张新图片节点，原图与图层配方都保留，随时可以重开继续改。整条链路纯本地 Canvas 2D，不调用任何模型、不消耗额度。
• 快捷键面板：按 ?（或 F1）随时呼出，或点工具栏的键盘图标；Esc 关闭。常用操作同时写在控件自身的提示里（如「撤销 (Ctrl+Z)」），不必先记住有这块面板。
• 单个文件最大 50MB；可在画布内预览常见文档、表格、PDF、图片与音视频。
• 内置文本润色、图片描述、内容抽取和图片转可编辑 PPT 等技能；图片转 PPT 不需要另外安装第三方技能或配置 OCR token。
• 图片转 PPT 使用配置的聊天模型理解版式，在本地生成可编辑文字与基础矢量形状；复杂照片或插画可能会简化。
• 也可安装和管理外部技能。重任务技能会启动具有本机文件读写与命令执行能力的无头 Agent；运行前请检查技能来源和权限。
• 旧版第三方 image-to-editable-ppt 可继续用于独立 Agent 工作流；它不参与内置图片转 PPT，相关 OCR 或图片后端配置也不是内置流程的前置条件。
• 技能配置格式与安全边界见 docs/skill-config.md。

片段拼接

把生好的视频片段拖到画布上，框选两段以上，底部会出现「拼接这 N 段」按钮。

• 顺序按画布位置：从上到下、从左到右；每个被选中的片段上会标出 ①②③，确认卡里也会列出最终顺序 —— 你看到的序号就是成片里的顺序。
• 本机 ffmpeg 执行：不调用任何模型、不联网、不消耗额度。工具从 ~/.local/bin、/opt/homebrew/bin、/usr/local/bin、/usr/bin 依次查找；找不到时按钮会明确说明原因，而不是静默失败。
• 成片进入视频历史：拼接结果作为一条普通视频记录落盘，可以在侧栏看到、播放，也可以收藏进素材库。
• 找不到的片段会让整次拼接失败并指出是第几段，而不是悄悄少拼一段。
• 输出统一为 1280×720 / 30fps / H.264 + AAC，不同尺寸或帧率的输入会等比缩放并补边，不会变形。

判定规则与已知边界见 docs/compose-contract.md。

从商品主体和可选风格参考出发，先预览套图计划、逐张调整提示词，再批量生成；主图可作为其他用途图片的一致性参考。

输入提示词即可生成，也可上传参考图进行编辑。图生图支持多张参考图（最多 5 张，单张 10 MiB、合计 16 MiB）：可多选、拖拽或粘贴，逐张移除，缩略图里用方向键翻看。请求形状按协议族各自整形——第一张始终在 image，其余在 images，所以只接受单张的渠道看到的仍是一张图；面板会在提交前就按模型能力拦下超额张数，而不是让服务端默默截断。此外支持多张结果、比例与清晰度设置、任务队列、历史恢复和全屏预览。

在 DSH 对话里可让 Agent 调用生图；用 /edit_image 描述修改内容，也可从工作台或画廊把图片加入当前会话继续编辑。

生视频

在「生视频」标签页里写视频描述，选择视频模型、比例、分辨率与时长即可提交。视频是异步渲染：宿主先提交任务、再按协议族轮询，渲染完成后把成片以文件落盘，并在面板内直接播放；渲染通常需要数分钟，期间可以关闭页面，任务仍在宿主继续执行。

视频模型按渠道单独配置，与图片模型分开：渠道里的「视频模型」目录决定该渠道能用哪些视频模型，因为视频走的是提交+轮询协议，和图片的同步返回不是一回事。

支持的协议族与模式

协议族	模型示例	说明
Agnes 视频	agnes-video-2.5-flash、agnes-video-2.5	提交 POST /v1/videos，轮询 GET /v1/videos/{id}，取 metadata.url；支持文生视频、首尾帧、多参考图、seed。
算力萌 comemoe	wan2.2-t2v、zhimeng-h3-local	wan2.2-t2v 仅文生视频；zhimeng-h3-local 支持图生视频。比例只接受 16:9 / 9:16 / 1:1；5 秒片子实测约 9 分钟。
通用视频	其他视频模型 id	按 OpenAI 兼容视频端点尽力适配；未识别的协议族会明确报错，不会静默发出错误请求。

• 生成模式：文生视频、图生视频（单张参考图）、首尾帧（首帧+尾帧插值）、参考图（多张风格/主体参考）；不同模型支持的模式不同，面板只会给出该模型支持的选项。
• 成片存储：视频保存在本机数据目录的 videos/ 下，历史列表只存元数据，播放走支持 Range 的同源路由，所以可以拖动进度条。
• Agent 调用：Agent 可调用 generate_video（文生视频）与 generate_video_from_image（图生视频/首尾帧/参考图），并用 get_video_generation_task 查询进度；视频渲染较慢，不要紧凑轮询。

多模型对比

同一提示词可提交给多个模型并列查看结果，便于快速挑选风格与质量。

提示词模板库内置八个来源（精选案例、沧河、手绘、Prompt/Signal、evolink、itgoyo、songtianlun、youart），共三千余条，可搜索、筛选、收藏并直接带入生图。模板库以右侧抽屉打开，约占工作区 75% 宽度：左边缘可拖动调宽（宽度记在本地），可一键铺满工作区，手机上自动全宽；搜索可限定当前来源或横跨全部来源；最近用过的 24 条留在「历史记录」里一键复用。选中的提示词可以替换输入框内容，也可以追加在后面。生成结果可在画廊中用标签和收藏继续整理；删除是可撤销的——被删的条目先进回收站，保留 30 天，期间可以逐条还原或一键清空，只有清空（或超过 30 天后的首次访问）才真正删除磁盘上的文件。

模型配置

在「设置 → 生图配置」添加渠道，填写 API 地址与密钥，检测并选择生图模型。可配置多个提供方，并设置默认生图模型和可选的提示词增强聊天模型。

支持 OpenAI 兼容的 Images API / Chat Completions，以及 xAI Grok、Google Nano Banana、Seedream、Qwen-Image、GLM-Image、MiniMax 等预置渠道；也可手动添加兼容模型。

接口与渠道补充说明

• 通用渠道默认自动判断 Images API 与 Chat Completions；也可在设置中手动指定。
• One-API、New API、LiteLLM 等只暴露 /chat/completions 的网关，可填写完整接口地址并选择对应模型。
• API 密钥保存在 DSH 宿主设置中；未被自动识别的兼容模型可手动添加。
• 不同服务商的图生图、尺寸与返回格式可能不同，请确认所选模型实际支持的能力。

数据与安全

• API 请求经 DSH 宿主转发；密钥保存在本机设置中，不直接暴露给浏览器。
• 历史、画廊、画布和图片保存在 DSH 数据目录 ~/.dsh/dsh-imagegen/，由你控制。
• 生图与图生图会把提示词或参考图发送给所配置的 API 服务商；请按服务商政策处理敏感内容。
• 内置轻量技能会把所选内容发送给配置的聊天模型。图片转 PPT 的 PPTX 在本地生成，由原生文字与基础矢量形状组成，不会把整张原图直接铺成幻灯片背景；结果需人工检查。
• 外部重任务技能可能读写本机文件并执行命令；运行前请确认技能可信、输入内容可共享。
• 生图会消耗 API 服务商额度；请人工检查生成结果。不要把 API 密钥贴到 Issue、日志或截图中。
• 诊断日志（两个工作台右上角）：失败的 API 请求会留在本机内存里 （最多 200 条，重启即清空，不写磁盘，不产生后台请求）， 可一键复制后贴进 Issue。记录含实际请求地址、HTTP 状态、网络错误码、耗时、 体积与服务商原始响应；密钥已在写入前脱敏（Bearer 令牌、查询串密钥、 内联 base64 均替换为占位符，API Key 只记「是否发送」）。 生图与生视频写同一个缓冲：视频的提交 / 轮询 / 下载三条腿各自标记。

交流群

微信群「龙虾吹水🦞群」：使用问题、版本更新与画布玩法都可以在群里聊。

二维码 7 天内有效（2026 年 10 月 25 日前）。过期或人数已满时，请改到 Issues 提问题， 并提醒维护者换一张新码。安全敏感的问题不要发在群里，也不要贴 API 密钥。

授权与致谢

本项目按 Apache-2.0 发布。各版本的改动逐条列在 CHANGELOG.md；第三方代码与素材的版权、许可与来源见 NOTICE 与 THIRD_PARTY_NOTICES.md。

核心能力：生图（文生图 / 图生图 / 多参考图编辑）、生视频（文生视频 / 图生视频 / 首尾帧 / 多参考图）、图片转可编辑 PPT（最多 12 张，每张一页）、无限画布（图片与视频节点、 片段拼接、技能）、电商套图、模板库与画廊。

支持与问题反馈请提到本仓库的 Issues（Bug 报告 · 功能建议 · 全部 Issues）。

与 @dickpy/dsh-imagegen 不能共存：两者注册同一套 /api/dsh-imagegen/* 路由与 同一个 UI 面板，同时安装会冲突；数据目录 ~/.dsh/dsh-imagegen/ 也是共用的。要换回 原版，请先卸载本插件。

本地开发

pnpm run typecheck
pnpm run build
pnpm run watch
pnpm test
node scripts/smoke-video.mjs
pnpm run test:negative

pnpm test 跑全部十一项离线检查（verify-tracked 排第一）；pnpm run test:negative 做反向验证—— 把每处修复对应的缺陷重新注回仓库副本，要求对应检查变红， 工作树不被改动。

跟进本项目的上游发布：

pnpm run upstream:check   # 有新版本时退出码为 1
pnpm run upstream:plan    # 生成移植报告到 .upstream/<版本>/report.md
pnpm run upstream:adopt v1.8.3   # 记录「已整合到哪个版本」

upstream:plan 会把每个改动文件按能否干净应用到当前树分类：新增（整份复制）、 可直接应用、冲突（需人工读）、本项目自有（视频链、发布说明、授权，不覆盖）。 它只生成报告，不改任何源码。GitHub Actions 每六小时跑一次检测，有新版本时 自动开一条带报告的 issue。

本地打包并安装到 DSH 验收：

pnpm pack --pack-destination .
dsh plugin --profile web add ./q253595422-dsh-imagegen-video-<版本>.tgz

仓库里的离线套件不需要网络与付费 API 调用；需要浏览器或 ffmpeg 的检查在缺 少工具时会明确跳过并返回成功，而不是伪装成失败。并行跑构建与测试请用 ./scripts/with-lock.sh，它会把整棵工作树串行化。

许可证

Apache-2.0

版权归属与第三方许可见 NOTICE 与 THIRD_PARTY_NOTICES.md。