一个 key 配齐朗读、转写和 OCR
DeepSeek 全家桶应用 API·TTS、ASR、OCR 可单独调用,语音限时 5 折
配音、字幕初稿、文档解析不用再各接一家。同一个 DeepSeek key 就能调,折扣价下 TTS 每万字符 ¥1.5,ASR 每小时音频 ¥0.39。
- 🟢 价格:TTS(语音合成)刊例价每 1 万字符 ¥3,ASR(语音识别)每小时音频 ¥0.78,目前都打 5 折,页面没写折扣什么时候结束。文件解析和 OCR 每 1,000 页 ¥1.5。搜索和网页抓取每 1,000 次各 ¥5。
- 🟢 TTS:只有两种音色,女声
stella和男声tide。支持普通话、粤语、英语、日语等 10 种语言,按文本自动识别。整段请求一次最多 1 万字符,最长返回 30 分钟音频。WebSocket 版可以边收文字边合成,适合朗读模型正在生成的回答。默认先去掉 Markdown 格式再读。 - 🟢 ASR:支持 21 种语言,自动识别。只收 16 位 PCM WAV 或 Ogg Opus 格式,单个文件最长 120 秒、最大 8 MiB,不支持流式。每个账号最多同时跑 50 个请求。
- 🟢 对话内置工具:
deepseek-flash在 Messages、Responses、Chat Completions 三种接口里都能用。打开deepseek_web_search或deepseek_read_url工具,就能联网搜索或读链接,工具调用和上下文拼接都在服务端完成。官方还开源了演示客户端 deepseek-ai/chat-demo(MIT,11-12 建)。
先在浏览器打开 https://cdn.deepseek.com/chat-demo,填入 API key 体验全套能力(key 只存在浏览器本地)。单测 TTS 可以直接 curl https://api.deepseek.com/v1/tools/tts,带上 key 和 {"text": "你好", "voice_id": "stella"},输出存成 wav。
- TTS 只有两种音色、不能调语速、不支持断点续传,ASR 单段最长 120 秒,做角色配音或长音频转写都要另想办法。
- 本期没有实际调用,音质和识别准确率未核实;对外提供服务要打开安全校验,官方写明内容审核、大模型登记和 AI 标识等义务由调用方承担。
核实记录
更新日志 11-13 条目原文存在 _raw/fetch/deepseek-updates.html(纯文本 .txt)。价格取自 ds-pricing(模型 & 价格页):联网搜索与抓取每千次 ¥5、文件解析 / OCR 每千页 ¥1.5、TTS 每万字符 ¥3(折后 ¥1.5)、ASR 每小时 ¥0.78(折后 ¥0.39)。TTS 的音色、语种、1 万字符和 30 分钟上限、WebSocket 用法取自 ds-tts;ASR 的 21 种语言、格式、120 秒 / 8 MiB 和 50 并发取自 ds-asr;演示客户端入口和三种接口取自 ds-chatbot。chat-demo 仓库的 MIT 和建库日期走 api.github.com(ds-chatdemo.json,★1,705)。没有调用任何接口