dsh-plugin-image-input

图片转文字输入插件：给无视觉能力的纯文本 LLM（DeepSeek 等）提供图片输入接管。输入框粘贴/拖拽图片后一键转为结构化文字描述；视觉 API 配置在设置页填写，支持任意 OpenAI 兼容视觉模型（qwen-vl / gpt-4o / glm-4v 等）。多模态模型下自动让位，不劫持原生图片通道。适合用无视觉能力模型却需处理图片的用户；需配置OpenAI兼容视觉API。

패키지

dsh-plugin-image-input

호환성

미검증

버전

0.1.1

라이선스

MIT

최근 업데이트

2026. 8. 15.

配置视觉 API（设置页填写，一次搞定）

重启后打开 设置 → 图片转文字，填写：

字段	说明	示例
`baseUrl`	OpenAI 兼容接口地址（不含 `/chat/completions`）	`https://dashscope.aliyuncs.com/compatible-mode/v1`
`model`	视觉模型名	`qwen-vl-max` / `gpt-4o` / `glm-4v`
`apiKey`	你的 API Key（留空 = 保持不变）	`sk-...`
`maxTokens`	最大输出 token	`2048`

保存即生效（无需重启）。配置存于 ~/.config/mm-vision/config.json。

不填设置页也可以：插件会回退读取同路径配置文件或环境变量 MM_VISION_API_KEY / DASHSCOPE_API_KEY / QWEN_API_KEY / OPENAI_API_KEY / GEMINI_API_KEY。

使用

粘贴 / 拖拽一张图片到输入框（出现缩略预览）
直接按 Enter 或点发送（或先点 🖼️ 按钮只转文字）
等约 1 分钟（思考型视觉模型对复杂图较慢），自动转为文字描述并发送
模型就能"看"到图了

转换期间输入框显示"正在把图片转为文字后发送…"；失败会提示并保留图片，不会丢内容。多张图片逐张转换、一起发送。

dsh-plugin-image-input

설치

문서

配置视觉 API（设置页填写，一次搞定）

使用