ywleeo/dsh-vision-dashscope

README 摘要

dsh-vision-dashscope 通过 DashScope / 千问（Qwen） 识别 并生成 图片、视频、音频的 DSH 插件（MCP server）。专治 Deepseek-omnimodal 等插件「视频大了就不行」的问题： - 长视频/大视频直接识别 ：走百炼 临时 OSS 直传 （ oss:// 临时 URL，单文件上限 1GB，按模型的 max file size mb 校验）， 不压缩、不损画质 ；小视频（≤14MB）走 base64 省一次上传。 - mkv / avi 等浏览器不可播格式 也能识别（模型服务端解码抽帧）。 - 音频：短音频 qwen3.5-omni 直接理解，长音频自动 fun-asr 转写。 工具 工具 说明 recognize image 本地图片 / 图片 URL → 描述或按任务分析（qwen3.7-flash） recognize video 本地视频 / 视频 URL → 描述或按任务分析（qwen3.7-flash；大文件 OSS 直传） recognize audio 短音频 qwen3.5-omni 理解；长音频 fun-asr 转写 generate image 文生图（qwen-image-3.0 等；约 0.18 元/张起） generate video 文生视频（wan2.7-t2v / happyhorse-1.1-t2v；约 0.6 元/秒起） generate video from image 图生视频（wan2.7-i2v 等，首帧图片自动上传临时 OSS） dashscope status 查看当前模型与限制配置 - 识别工具会调用 DashScope 付费 API（按 token 计费，量小价低）。 - 生成工具必须 confirm=true 才会实际调用付费接口 ； false 时只返回预计费用（如"预计 3.00 元（5 秒 × 0.6 元/秒）"）。 - 生成结果自动下载到本地输出目录（默认 /Downloads/dsh-vision-dashscope ，可用 DASH VISION OUTPUT DIR 修改），返回本地路径——配合 dsh-image-preview 可直接在对话里内联预览。 - 文生图默认 额外转一张 JPEG 预览 （ preview 字段，最长边 1600px / 质量 85，可配），原始 PNG 保留在 files 中——DSH 图片内联上限 5MB，大 PNG（1792×2400 可达 7MB）直接内联会 404，用 JPEG 预览即可正常显示。 安装 需要 Python 3.12+、uv。复制 .env.example 为 .env 并填写 API Key： API Key 也可用环境变量： DASH VISION API KEY （缺省回…

分类