dsh-vision-dashscope

DashScope / 千问（Qwen） を利用して画像・動画・音声を認識および生成する DSH プラグイン（MCP サーバー）。Deepseek-omnimodal などのプラグインで「動画が大きいとダメ」という問題を解決します：

• 長い動画・大きな動画も直接認識：百炼の一時 OSS 直アップロード（oss:// 一時 URL、単一ファイル上限 1GB、モデルの max_file_size_mb で検証）を利用し、圧縮なし・画質劣化なし。小さい動画（≤14MB）は base64 でアップロード回数を節約。

• mkv / avi などブラウザで再生できない形式も認識可能（モデルサーバー側でデコード・フレーム抽出）。

• 音声：短い音声は qwen3.5-omni で直接理解、長い音声は自動で fun-asr により文字起こし。

ツール

• 認識ツールは DashScope の有料 API を呼び出します（トークン従量課金、少量なら低コスト）。

• 生成ツールは confirm=true の場合のみ実際に有料インターフェースを呼び出します。false の場合は予想費用のみ返します（例：「予想 3.00 元（5 秒 × 0.6 元/秒）」）。

• 生成結果は自動でローカルの出力ディレクトリにダウンロードされます（デフォルト ~/Downloads/dsh-vision-dashscope、DASH_VISION_OUTPUT_DIR で変更可能）。ローカルパスを返すため、dsh-image-preview と組み合わせてチャット内で直接インラインプレビューできます。

• テキストからの画像生成では、デフォルトで追加の JPEG プレビューを生成します（preview フィールド、長辺 1600px / 品質 85、設定可能）。元の PNG は files に保持されます。DSH の画像インライン上限は 5MB のため、大きな PNG（1792×2400 で約 7MB）を直接インライン表示すると 404 になる問題を、JPEG プレビューで回避します。

Related MCP server: jimeng_visual_generation

インストール

Python 3.12+ と uv が必要です。.env.example を .env にコピーし、API Key を記入してください：

git clone https://github.com/ywleeo/dsh-vision-dashscope.git
cd dsh-vision-dashscope
cp .env.example .env    # 填入 DASH_VISION_API_KEY
uv sync

API Key は環境変数でも設定可能：DASH_VISION_API_KEY（未設定の場合は OMNIMODAL_API_KEY / DASHSCOPE_API_KEY にフォールバック）。

DSH 連携

~/.dsh/profiles/web/cordis.patch.yml（ユーザー patch 層）に追記：

- insert:
    - id: mcp-vision-dashscope
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: vision-dashscope
        transport: stdio
        command: /Users/leeo/.local/bin/uv
        args:
          - run
          - --directory
          - /path/to/dsh-vision-dashscope
          - dsh-vision-dashscope
        failOnStartupError: false

dsh web を再起動すると、ツールが mcp__vision-dashscope__recognize_video のような名前で利用可能になります。

大きなファイルのアップロード仕組み（長い動画の鍵）

1. GET /api/v1/uploads?action=getPolicy&model=<model> でアップロード認証情報を取得（upload_host、署名、max_file_size_mb を含む）。

2. multipart でファイルを OSS 一時ストレージにアップロードし、oss://<key> 形式の一時 URL を取得（有効期限 48 時間、無料）。

3. chat リクエストで video_url: {"url": "oss://..."} を指定し、ヘッダーに X-DashScope-OssResourceResolve: enable を追加。モデルサーバー側で取得・デコード・フレーム抽出が行われます。

参考：上传文件获取临时 URL（阿里云百炼文档）、视觉理解（视频）。

設定（環境変数 / .env）

テスト

uv run pytest -q

License

MIT