返回文章列表
框架与工具

DeepSeek开放应用能力API:搜索、语音与OCR可自由组合

阅读约 3 分钟

导语

DeepSeek正在把自家对话产品背后的基础能力进一步“拆开”提供给开发者。根据官方公告,联网搜索、网页读取、文件上传、OCR、语音识别和语音合成等功能如今都可以通过API接入,而且不要求开发者一次性购买或绑定整套能力。

这意味着,开发者不仅能调用DeepSeek模型,还可以直接使用一组接近其官方App体验的工具组件。官方甚至表示,开发者可以据此复刻完整的DeepSeek App,并同步开源了一套轻量级聊天前端Demo,支持导入DeepSeek历史对话。

核心变化

  • 应用能力被拆分为独立接口:Search、Fetch、OCR、ASR和TTS可以按需选择、自由组合,并分别计费。
  • 联网搜索更易接入:此前开放的Search和Fetch接口需要开发者自行处理模型判断、工具调用、网页读取和结果回传。新版应用能力则由DeepSeek自动完成搜索决策与结果组织,降低了工程接入成本。
  • 语音能力正式开放:语音识别和语音合成首次以官方独立API形式提供,开发者无需再额外寻找第三方语音服务,就能构建可听、可说的助手。
  • 模型接口覆盖更广:V4.1-Flash已在Messages、Responses和Chat Completions三类接口中支持相关对话扩展能力。

价格与使用门槛

素材显示,语音识别原价为每小时0.78元,目前优惠价为0.39元;语音合成原价每万字符3元,优惠价为1.5元。搜索和网页抓取延续每1000次成功调用5元的价格,OCR为每1000页1.5元。以上价格以原文所述公告和优惠条件为准,实际使用时仍应以官方页面为准。

从开发者角度看,低成本只是第一层价值。更重要的是,搜索、文档理解和语音等能力不再需要分别设计复杂的中间层,产品团队可以把精力放在工作流、交互和场景创新上。例如,会议助手可以组合ASR、搜索与总结,文档产品可以把OCR、文件处理和问答串成统一流程。

意义与影响

DeepSeek此举也反映出一种产品策略:与其只打造一个固定形态的聊天App,不如把能力组件交给开发者,让更多团队探索AI应用的下一种形态。当前主流AI产品仍多以聊天框为入口,但搜索代理、语音助手和文档工作流可能需要完全不同的交互方式。

当然,API开放并不等于产品开发已经完成。开发者仍需关注调用成本、权限控制、数据安全、错误处理和多工具协同效果。但随着基础能力被模块化提供,构建AI应用的起点正在降低,真正的竞争将更多转向场景理解与产品设计。

来源:量子位

评论

正在确认登录状态……

正在加载评论……

相关文章

CCTest · Blog
LiteRT Tensor API:谷歌把端侧模型优化推进到计算图层
框架与工具
cctest.ai
框架与工具

LiteRT Tensor API:谷歌把端侧模型优化推进到计算图层

谷歌推出轻量级 C++ API LiteRT Tensor,允许开发者直接构建、修改和优化端侧机器学习计算图,并在 CPU、GPU 与 NPU 间保持较好的可移植性。其示例显示,统一的 C++ 图和零拷贝能力有望降低跨硬件部署与性能调优成本。

阅读全文