DeepSeek 开放 ASR/TTS API 按量计费,腾讯混元上线实时语音工具调用

· 进步分子, 投稿

编辑点评 · AI 连续创业者视角(以下内容由 AI 提炼,观点归原作者;读完可不看原文)

DeepSeek 开放搜索、OCR、ASR、TTS 独立 API,工具费与 Token 分离计价(搜索/抓取每千次 5 元,ASR 限时 0.39 元/时,TTS 每万字符 1.5 元(A·实测));腾讯混元 Hy Realtime 支持语音中自主决定联网搜索及点歌演唱,已接入元宝。对搞钱意味着:低成本接入多模态 AI 能力可加速语音客服、智能硬件或内容生成工具开发,降低自研门槛。下一步:评估是否用 DeepSeek ASR 替代高成本竞品做语音转写服务,或在产品中嵌入 TTS 提升交互体验。

  • 测试 DeepSeek ASR 0.39 元/时价格是否低于现有供应商
  • 在客服机器人中集成 Hy Realtime 实现语音中自动搜索
  • 用 18MB tiny-voca 模型在浏览器端做轻量语音合成
  • 对比各平台语音 API 延迟与音质,选最性价比方案
  • 利用开源聊天 Demo 快速搭建语音交互原型验证需求

一、这是什么机会

为开发者提供低成本、可独立调用的多模态 AI 接口服务,解决语音交互与文档处理中“高延迟、高成本、集成难”的痛点。通过按量计费(Token 与工具费分离),降低智能硬件、客服系统及内容生成工具的接入门槛,实现开箱即用的语音理解与生成能力。

二、独立判断

值得切入垂直应用层,而非底层模型研发。DeepSeek 将 ASR 限时价压至 0.39 元/时,TTS 1.5 元/万字符,价格锚点极低,自研语音引擎毫无性价比;腾讯混元 Hy Realtime 虽强但 API 未开放,短期难以直接接入。关键理由是:工具费用分离计价彻底解耦了“模型调用”与“功能使用”,让开发者只需为实际使用的搜索、转写付费,适合做高频低毛利的规模化语音服务(如智能硬件、录音笔、会议助手),而非单次高客单价的咨询项目。原文事实显示 DeepSeek 已开放独立接口,推断表明这将成为未来两年语音类 SaaS 的基础设施。

三、冷启动路径

第一步:使用 DeepSeek 开源的浏览器聊天 Demo(MIT 协议,静态前端),无需后端即可在 30 分钟内搭建语音交互原型,验证目标用户是否愿意为“边说话边搜索/转写”付费。成本量级:API 测试费 <50 元,服务器部署 <100 元。周期:1 周完成原型与 5 个真实用户访谈,确认痛点后接入自有业务。

四、最大风险与避坑

致命坑:忽视语音实时性(延迟)与隐私合规。应对:避免使用本地 CPU 运行 tiny-voca(仅 18MB 但四线程 CPU 需 70 倍实时速度才可用,实际部署需评估用户终端性能);处理用户上传的语音数据时,必须明确告知数据用途并获取授权,尤其在客服、医疗等敏感场景。另一坑是混淆“工具费”与“Token 费”,开发时需在账单系统中分离记账,避免成本失控。

五、案例复盘(别人怎么做的)

  • DeepSeek 将 App 内嵌能力拆解为独立 API,搜索/抓取每千次 5 元、ASR 限时 0.39 元/时、TTS 每万字符 1.5 元、OCR 每千页 1.5 元,按实际用量分离计费,避免用户为未使用的功能买单。
  • 发布基于 DeepSeek API 的静态浏览器 Demo(代码开源 MIT),支持语音输入/输出、文档上传、历史对话导入,开发者仅需配置 API Key 即可运行,无需自建后端,大幅降低原型开发门槛。
  • 腾讯混元 Hy Realtime 结合 TME 灵音 AI 实现“语音点歌+演唱”,支持按歌手/曲风/热度组合选择,在语音中自主决策是否联网搜索,已接入元宝 App「初语」音色,验证了语音交互中嵌入娱乐与工具调用的用户粘性。
  • 独立开发者 Muhammed Nazeem 开源 tiny-voca 模型(450 万参数,18.2MB),用 Qwen3-TTS 合成数据训练(无真人录音),支持 ONNX Runtime Web 浏览器运行,四线程 CPU 生成速度达实时 70 倍,适合轻量端侧部署。
  • (推断:)DeepSeek 限时 ASR 价格(0.39 元/时)可能仅为获客策略,长期价格或调整,需在产品定价中预留 30%-50% 的成本浮动空间,避免依赖单一供应商。

六、双轨可执行性

跨境:可行,tiny-voca 的 18MB 轻量模型适合嵌入海外智能硬件或浏览器插件,但需注意英语语音场景下 70 倍实时速度是否满足低配设备;DeepSeek API 跨境访问稳定性需实测。国内:可行,腾讯混元 Hy Realtime 虽 API 未开放,但可关注腾讯云后续开放节奏,当前用 DeepSeek 独立 ASR/TTS 接口快速构建国内语音客服/会议助手 MVP,18MB 模型端侧部署适合智能硬件厂商降本。

原文 · 测试之家社区:阅读原文 →

相关工具推荐(推广):智谱丨BigModel 平台国内版

🎯 加入「进步分子」知识星球

搞钱情报 · 工具测评 · 副业实战

知识星球二维码

立即加入

扫码或点击加入,一起进步

订阅《创造者日报》邮件版
每天精选可动手的搞钱机会、好用工具与稀缺观点,免费直达你的邮箱。
English reader? Subscribe the EN edition →
iMessage 邮件 联系我们
EN