DeepSeek Opens the Full Suite Application API, Including Standalone Speech Recognition and Synthesis Interfaces
English text is being prepared.
DeepSeek announced the opening of its full suite application API. Capabilities such as web search, deep-thinking search, file upload, and link reading can all be called individually through standalone interfaces and billed separately; the speech recognition and speech synthesis interfaces are being opened for the first time. The company says developers can replicate the complete DeepSeek App 1:1, and it has open-sourced a lightweight chat front-end demo that supports importing historical conversations. On pricing, speech recognition is originally 0.78 yuan/hour, now at a 50% discount of 0.39 yuan/hour; speech synthesis is 1.5 yuan per 10,000 characters, and OCR is 1.5 yuan per 1,000 pages; the V4.1-Flash model already supports the relevant conversation extension features under the three types of interfaces: Messages, Responses, and Chat Completions.
Why read this
AI score 73
The original text lists the calling methods and 50%-off pricing for each standalone interface, which can be used to estimate the integration cost of foundational capabilities such as speech and OCR.
Topics
Body
就在刚刚,DeepSeek宣布,正式开放全家桶应用API。
什么意思?
以前大家在DeepSeek App里用得顺手的联网搜索、深度思考搜索、文件上传、链接阅读等功能,现在开发者通过API通通都能直接用上了,而且不必打包使用,它们都有独立接口,支持单独调用、分别计费。
划重点,语音能力也首次加入开放行列,包括语音识别、语音合成等接口。
官方还放出一句相当有意思的话:
开发者甚至可以1:1复刻出完整的DeepSeek App。
不是哥们,连自家产品都允许别人照着做啊??
DeepSeek还贴心亲自打了个样,直接开源了一套轻量级聊天前端Demo,支持导入DeepSeek历史对话。
也就是说,开发者不用再从头折腾搜索、文件解析、语音识别这些基础功能,就能快速搭出一个功能接近DeepSeek App的产品。
消息一出,评论区也是相当热闹。
有网友直接感叹:
什么叫1:1复刻出完整的DeepSeek App???人工智能之光!
全家桶应用API开放一览
具体来看,这次DeepSeek一口气开放了这些能力:
这里有两个变化值得单独说说。
首先,联网搜索其实不是第一次开放,早在今年10月17日,DeepSeek就已经开放了自研Search和Fetch接口。
但当时,开发者还需要自己处理不少工具调用和模型之间的衔接工作。
这一整套流程,都得开发者自己写代码串起来。
现在就简单多了。
开发者只要给模型打开联网搜索功能,什么时候搜索、搜什么、要读哪些网页,以及如何根据搜索结果继续回答,DeepSeek都会自动完成。
其次是语音,这次终于有了官方独立接口。
此前,DeepSeek App虽然已经支持语音交互,但公开的模型API并没有提供同样完整的语音能力。
开发者想做一个能听会说的DeepSeek助手,通常还需要另外接入语音识别、语音合成服务。
现在,ASR和TTS都可以通过DeepSeek官方接口调用了。
而且,上述底层能力也不必全部打包使用。
DeepSeek还提供了Search、Fetch、OCR、ASR、TTS等独立接口,开发者可以按需选择、自由组合。
目前,V4.1-Flash模型已在Messages、Responses和Chat Completions三类接口下支持相关对话扩展功能。
换句话说,D老师这次是把自家App背后的整套基础能力,像积木一样全部交到了开发者手里。
那么问题来了:
功能给得这么全,价格又如何?
语音识别一小时不到4毛,DeepSeek这次还打五折
先看DeepSeek这次公布的工具API价格表:
最扎眼的,当然是语音。
语音识别原价0.78元/小时,目前直接打五折,只要0.39元。
换算下来,一分钟大约0.0065元,识别一小时录音,连4毛钱都不到。
语音合成同样五折,原价每万字符3元,现在只要1.5元。
什么概念?
对比一下国外主流厂商的语音API价格:
OpenAI的GPT-Transcribe,识别一小时音频需要0.27美元(约合人民币1.81元)。
即便是更便宜的GPT-4o mini Transcribe,也要0.18美元(约合人民币1.21元)。
Google Cloud的标准语音识别服务,按0.016美元/分钟计算,一小时是0.96美元(约合人民币6.43元)。
相比之下,DeepSeek目前的0.39元,分别只有上述三款服务价格的约1/4.6、1/3.1和1/16.5。
文字识别OCR则为每1000页1.5元,平均识别一页只要0.0015元。
这么一看,DeepSeek这次的定价思路也挺清楚。
对于想做语音助手、会议记录、文档处理等应用的开发者来说,至少基础工具的调用成本,已经被压到了相当低的水平。
DeepSeek现有的对话产品只是较为基础的一种形态。
这话倒也符合D老师一贯以来的画风。
一直以来,相比花大力气经营C端产品,DeepSeek似乎更愿意把精力放在模型研发上。
DeepSeek App虽已积累了大量C端用户,但从产品形态上看,依然是大家熟悉的聊天助手。
如今,它干脆把所有能力全部开放,甚至连复刻自家APP的示例代码都准备好,颇有一种:
模型我继续研究,应用该怎么玩,就交给大家来摸索的意思。
怎么说呢?这招还挺机智的。。。
回头看移动互联网时代,微信、抖音这些超级应用,几乎重塑了人们社交、娱乐乃至获取信息的方式。
从ChatGPT到DeepSeek,大家最熟悉的交互方式,依然是打开一个聊天框,输入问题,等待回答。
眼下谁也没有答案。
既然如此,与其自己关起门来猜,不如把工具都摆出来,让全世界的开发者一起试。
万一真有人折腾出了下一个爆款呢?
真就D老师大舞台,有脑洞你就来。(doge)