Plugin DeepSeek Harness: nén một đoạn video thành hình ảnh phân cảnh dạng lưới có đánh số ô, kèm theo một danh sách văn bản chứa mã thời gian, lời thoại và số điểm cắt, giúp mô hình trả lời câu hỏi “chuyện gì đã xảy ra ở phút thứ mấy”; 10-30 thu thập 0.4.5, sau đó hai ngày liên tiếp phát hành từ 0.5.0 đến 0.5.4.
Số sao 274
Lý do
- 0.5.2 thêm công cụ thứ năm video_subtitles: cắt từng dòng phụ đề cứng trong khung hình, ghép dọc thành một ảnh dài duy nhất kèm mã thời gian, bổ sung cho các tư liệu PV, bài hát và chữ nghệ thuật không có track phụ đề và ASR cũng không thể chuyển đổi được.
- 0.5.3 / 0.5.4 giải quyết vấn đề “ô quá nhỏ không nhìn rõ”: khi dán liên kết, mặc định tải xuống độ phân giải từ 360p lên 720p (có thể chọn low / medium / high); tách núm điều chỉnh size cũ thành budget (số pixel mỗi ảnh, mặc định 1.2M, khoảng 700 token thị giác) và need (mức độ rõ nét cần thiết); thêm segment để xử lý theo từng đoạn 300 giây, danh sách sẽ hiển thị lại điểm bắt đầu của đoạn tiếp theo, và tự động cảnh báo trong danh sách nếu độ phân giải của ô thấp hơn mức yêu cầu.
- Giấy phép của 0.5.0 chuyển từ MIT sang Apache-2.0 (các phiên bản MIT trước đó không bị ảnh hưởng), thêm NOTICE ghi rõ không xử lý nội dung trả phí và việc bỏ qua DRM, không thu thập dữ liệu hàng loạt; đồng thời sửa các lỗi như video_zoom nhảy đến vị trí gấp đôi sau khi dùng from > 0 hoặc zoom, từ khóa nóng vẫn khớp với cache cũ, và yt-dlp cài qua pip không tìm thấy trên Windows.
Cách dùng
- winget install Gyan.FFmpeg (bắt buộc); nếu cần dán liên kết video thì chạy pip install --user -U yt-dlp; chạy node scripts/install-dev.mjs để cài plugin rồi khởi động lại DSH, sau khi cài xong chạy node bin/doctor.mjs để tự kiểm tra.
- Trước tiên chạy video_probe, với các video dài hãy xem từng đoạn bằng video_storyboard({ input, from: 0, segment: 300 }), nếu một đoạn nào đó quan trọng thì dùng video_zoom; để tiết kiệm token hãy truyền rõ size: "small"; với các PV không có track phụ đề hãy dùng video_subtitles.
Rủi ro
- Sau khi tăng ngân sách mặc định, số token mỗi ảnh tăng khoảng gấp đôi, một số đoạn trong README vẫn ghi theo cách nói cũ “mỗi ảnh 384 token”, hãy lấy CHANGELOG làm chuẩn; các con số về chi phí và độ rõ nét đều do tác giả tự kiểm thử.
- Muốn có lời thoại thì phải cấu hình thêm ASR (lần đầu cài ASR cục bộ mất hơn mười phút) hoặc dùng phụ đề có sẵn; video độ phân giải cao và video dành cho thành viên yêu cầu xuất cookies, trong đó SESSDATA tương đương với thông tin đăng nhập, tác giả cũng nhắc nhở người dùng cần tự xác nhận quyền sử dụng video.