11月13日晚，DeepSeek发布公告，把App背后的能力整体开放：Search、Fetch、OCR、ASR、TTS五项底层能力同时支持独立接口调用，可单独使用也可组合。对开发者来说，这意味着文字识别、语音转写、语音朗读这些原本要分别找供应商谈合同、写适配器的"配套件"，变成了官方按量计价的零件：OCR每千页0.225美元，ASR限时五折后每小时0.058美元，TTS限时五折后每万字符0.225美元。它们能落到的实际场景——发票扫描件录入、访谈录音转写、答案朗读——价格已经低到可以让这些功能从"要不要做"变成"顺手就加"。DeepSeek API文档
所谓"独立"，比"开放"更值得先看。调用OCR接口时上传PDF、Word、PPT或图片，识别结果按页返回，文件不会存入Files库，也不会进入任何对话模型上下文。也就是说，已经有自己的模型和产品流程的团队，可以只把"识字"这一环换掉，不用整体迁移。需要说明的是，这套应用级工具目前只开放给deepseek-flash（V4.1-Flash）模型，评论区催得更急的V4-Pro还没跟上这波更新。DeepSeek API文档AI范儿
OCR：把扫描件抽字变成一次性开销
价目表里最低调的一行，对应的是最高频的老需求：发票查验、纸质档案电子化、表单批量录入。OCR按识别成功的页数计费，失败或超时不收钱，单文件上限100MiB、1000页，日常文档几乎都在限制之内。接口提供两种模式：只要纯文字就选text_recognition，要保留版面就选rich_layout_recognition——后者逐页输出文字，还附带归一化坐标，调用方可以据此定位标题、自己裁出图表。想只"把字拿出来"，独立OCR比走模型干脆；想让模型继续基于文档回答，则要走对话里的文件输入，按页计费的同时把内容计入上下文token。DeepSeek API文档
语音：便宜先看清时长和格式两道闸
语音是这次讨论度最高的部分。语音识别原价0.78元/小时，目前直接打五折，只要0.39元，识别一小时录音连4毛钱都不到。识别语种也够用，听写接口支持包括粤语在内的21种语言，上传即自动检测语种，无需手动指定。但限制直接决定产品形态：整段音频一次上传、不支持流式识别，单段最长120秒、最大8MiB，只收16-bit PCM WAV或Ogg Opus格式，双声道只认左声道。这组边界画得很清楚："按住说话、松手发送"的聊天语音入口、语音备忘和采访录音转写正好落在里面；呼叫中心实时转写、同传字幕这类要边说边出字的场景，这套接口目前接不住。量子位AI范儿DeepSeek API文档
TTS这边，能把文字转成自然语音，也支持WebSocket流式：模型边生成，已经产出的那部分就能先送去合成，做语音助手应答和长文朗读够用。但它是"能读"而不是"能演"：只有stella女声、tide男声两个音色，官方文档明确不支持语速控制和断点续传。计费上一个汉字顶两个字符，单次1万计费字符意味着读到五千汉字上下就得自己分段拼接。DeepSeek API文档
替换现有供应商前，算三笔账
第一笔是价格的时效：语音的五折明写"限时"，恢复原价后0.78元/小时仍低于OpenAI、谷歌云的转写服务，但预算不能按五折价长期锁定。第二笔是账单位置：工具费在token之外单独计，模型越便宜，工具费占比越显眼——按官方价目表估算，低价模型上跑一轮多步检索，工具费能占到总开销的六成以上。做高频公开产品，先给每轮搜索设限额，再谈复刻App。第三笔是合规：官方公告明确，面向公众的应用必须开启安全校验，内容审核、模型备案和AI生成内容标识的责任仍由服务方承担。AI范儿DeepSeek API文档
把这层看全，这批接口的真实用户画像就出来了：缺的不是模型，而是识字、听说这些"小零件"的中小团队。批量离线文档识别、短音频转写与语音输入、固定音色的语音应答与朗读——场景落在这些框里，官方一站式接入加低价，替换现有供应商是划算的；实时流、音色克隆、播报级朗读还框不住，接口文档里的这些边界，比五折数字更值得先读完。
