什么值得买App下载 App ›
连续签到专享现金活动

DeepSeek上线语音朗读灰度测试,四种音色可选但暂非实时对话

DeepSeek开口说话了,但跟你想的可能不太一样。目前灰度测试的语音对话,本质还是“先写完再念给你听”的文字转语音(TTS),并非边听边说的实时聊天。拿到测试资格的用户,App右上角会多出一个小喇叭,设置里一口气塞进了贝壳、白浪、海星、暗潮四种音色任你挑。
体验揭秘:不是实时接话,是写完再念
现在的实际体验是,你照常输入问题,DeepSeek照常生成文字回答,等它写完,你再点播放按钮,回答就用你选定的音色朗读出来。语音设置项已经放进了App的系统设置层,这意味着声音做成了长期可配置的选项,而不是某条回答临时带个播放键。目前灰度范围有限,很多人打开App还看不到小喇叭,这不需要去升级或者找版本,等官方推送就行。
往语音走的大棋:实时对话与API才是重头戏
过去DeepSeek的产品形象就是纯文字模型——便宜、能打、没花样。现在突然塞进四套声音,方向已经很明显:往语音交互走。就在同一天,OpenAI把全双工语音开放到了API,能做到边听边说、随时打断。DeepSeek目前的TTS朗读和全双工实时语音还差着一整个代际,但它的补课速度一直不慢。一旦做成实时对话模式,DeepSeek本身调用成本就低,聊天、口语陪练、实时翻译这些场景全都能接上,价格优势会直接传导到语音赛道。对做AI应用的开发者来说,真正值得盯的是DeepSeek什么时候把语音能力开进API,那才是对行业价格体系真正有冲击的时刻。
克制的理由:为什么没直接上实时语音?
DeepSeek选择先上TTS朗读,而不是直接放开实时语音聊天,背后其实有责任边界与安全冗余的考量。语音交互大幅降低了人的“思考摩擦力”与“认知过滤能力”,对于孩童和失能老年群体来说,存在较高的认知入侵风险。先让用户习惯“听”,再逐步探索“实时说”,这种克制不仅是在补齐技术代际,也是在给安全对齐留出更多打磨时间。
历史事件回溯
当前事件
DeepSeek上线语音对话功能
  • 交互形态:实时语音双向流式对话
  • 核心能力:语音识别合成与文本推理
2024年5月
GPT-4o发布,支持端到端实时语音
  • 交互形态:极低延迟实时音视频交互
  • 核心能力:感知语音情绪并实时打断
  • 底层架构:原生端到端多模态大模型
2023年9月
ChatGPT移动端首发语音与图像交互
  • 交互形态:基于对讲模式的语音对话
  • 核心能力:提供五种预设音色进行播报
  • 底层架构:ASR、LLM与TTS级联拼接

评论

评论区空态插画

当前文章无评论,是时候发表评论了