DeepSeek 把自家 App 拆成零件卖了:一小时语音三毛九,还教你怎么抄它

先说那个数字：一小时录音，转成文字，三毛九。

不是三块九，不是三十九，是三毛九。这是 DeepSeek 今天上午给语音识别定的价——官方牌价每小时 0.116 美元，限时五折 0.058 美元，折人民币不到四毛。

同一件事，OpenAI 要一块八，Google Cloud 要六块四。

但这次发布真正反常的地方不在价格。在公告末尾那句话：开发者甚至可以 1:1 复刻出完整的 DeepSeek App。

一家公司请你去抄它自己的招牌产品，还附赠工具。

周五傍晚的那条横幅

没有发布会，没有直播，没有 CEO 出镜。

美西时间周五下午——北京这边已经是周六上午——DeepSeek 只在 API 文档首页挂了条横幅：联网搜索、文件输入、链接阅读、OCR、语音识别、语音合成、模型内容安全，全套应用接口开放。

懂行的人看到"周五傍晚"这个时间点会笑一下。这是科技公司处理"不值得开记者会、但又必须发"的消息时最爱用的窗口。发完大家下班，周末慢慢消化。

但这次的量级，不像是不值得开记者会的东西。

过去你在 App 里用得顺手的那些功能，现在在 API 里都有独立入口。注意是独立——不必打包，可以单点，分别计费。

最后一行值得多看一眼。连"内容安全"都做成了接口——以前这是每家公司在自己业务层拦的活，现在 DeepSeek 说，我帮你判。

搜索：从四步手工，到一个开关

十月中旬它其实已经开过自研的 Search 和 Fetch。但那时的用法很原始。

开发者得自己判断这句话要不要搜，自己调搜索拿链接，自己调 Fetch 读正文，再把读到的内容塞回模型重新总结。四步，全手工。任何一步写歪，回答就开始编。

现在只需要给模型打开联网开关。什么时候搜、用什么词搜、点开哪几页、读完不够要不要再搜一轮——模型自己决定。

以前你是导演，模型是演员。现在剧本也交出去了。

对做 RAG 的团队来说，这不只是省代码。真正的价值是那个"要不要搜"的判断从硬编码的规则，变成了模型自己的判断——规则永远写不全，判断可以。

图注：联网搜索的两种调用方式对比——左边是开发者手工串联四步，右边是给模型开一个开关 | 来源：DeepSeek API 文档 Search & Fetch / Web Tools

语音：20 种语言，2 个音色，不能流式

语音是这次最实在的一块。

之前 App 里能说话，但公开 API 里没有完整的语音能力。你想做一个能听会说的助手，得去别家买识别、再买合成，两头对接、两头计费、两头出问题。

现在两个接口直接给到：`/v1/tools/asr` 和 `/v1/tools/tts`。

识别这边覆盖 20 多种语言——中文、粤语、英语、日语、韩语、德语、法语、西语、葡语、意语、俄语、阿语、印地语、印尼语、越南语、泰语、土耳其语、马来语、菲律宾语、波兰语、匈牙利语。而且没有语言参数：音频丢进去，它自己听出来你说的是哪国话。

合成这边只有两个音色：stella，女声，默认；tide，男声。支持 10 种语言，除了整段合成，还给了一个 WebSocket 通道，可以边生成边把音频推回来。

然后看价格。

图注：主流语音识别接口每小时音频价格对比，按 2026-11-14 官方牌价与 6.7 汇率折算 | 来源：DeepSeek / OpenAI / Google Cloud 官方定价页

一分钟不到七厘钱。一场两小时的访谈，转文字花七毛八。

OCR 也是同一个路数：$0.225 一千页，折人民币一块五，摊到一页是一厘五。合同、发票、扫描件、PPT、Word 丢进去，出来是结构化文本。

搜索和阅读维持十月的价格，一分没降。

定价思路很清楚：老能力按住不动，新能力五折开门。先用价格把人拉进来，等产品长在它的接口上，再谈后面的账。

"对话产品只是较为基础的一种形态"

这是公告的最后一句原话。

翻译成人话：我们自己做的这个聊天框，算不上什么好产品。你们随便抄，抄得比我们好，最好。

配套三个动作。

第一，底层能力全部拆成独立接口。你不需要理解它内部怎么调度，只要调接口。

第二，开源一套轻量聊天前端 Demo，支持导入 DeepSeek 的历史对话。这意味着用户从官方 App 搬到你这里，聊天记录能带走——迁移成本被它亲手拆了。

第三，把"1:1 复刻"写进公告。等于给所有套壳产品发了一张公开许可证。

一般公司拿 App 当护城河。DeepSeek 拿 App 当说明书。

为什么敢？因为它算的不是 App 的账，是调用的账。

App 做得再好，用户总量就那么多，天花板看得见。但如果全世界做 AI 产品的人都在调它的搜索、它的 OCR、它的语音，那么每多一个产品，就多一份调用量。它不需要赢下那个爆款，它只要成为爆款脚下的地板。

这大概也解释了那句"只是较为基础的一种形态"——它自己也没想清楚下一个超级 App 长什么样。从 ChatGPT 到 DeepSeek，大家最熟的交互还是一个聊天框：输入问题，等回答。

想不清楚，就不猜。把零件摆出来，让所有人一起试。

这两天，两家公司在做两种生意

把昨天和今天放一起看，很有味道。

昨天 OpenAI 发的是钱包：把卡号从支付链路里摘出去，让卡组织发替身 token，商家和模型都碰不到真卡号。它在往上走，做标准，收的是"授权"的钱。

今天 DeepSeek 发的是零件：把 App 里的搜索、文件、语音、OCR 全摘出来单卖。它在往下走，做基建，收的是"水电"的钱。

一个想让所有 agent 的交易都过它的账本，一个想让所有 AI 产品都插在它的插座上。

两条路都不便宜，风险却不一样。做标准要赢生态，赢不了就白干；做基建只要够便宜够稳，总有人来插。

而"够便宜"这三个字，DeepSeek 已经很久没输过了。

谁今晚就该动手

如果你在做下面这几类东西，今天的更新基本等于一张降价通知。

会议记录、访谈整理。 以前识别费用是成本大头，一小时一块多的报价会把免费额度算得死紧。现在一小时三毛九，免费额度可以开到十小时。

语音客服、口语陪练、有声内容。 合成一万字符一块五。一个中等规模的机器人，一个月的声音成本可能从四位数掉到三位数。

文档处理。 合同比对、报销审核、论文归档，一千页一块五。以前要掂量的批量任务，现在可以闭着眼跑。

教育硬件、陪伴设备。 以前要么本地跑小模型，要么买很贵的云语音。现在一个接口，20 多种语言识别、10 种语言合成。

还有一类人最该看：正在做套壳产品的。前端 Demo 官方开源了，历史对话能导入，冷启动成本从三个月变成一个周末。

三个还没答案的问题

实时性。 识别是整段上传、整段返回，官方文档写得很明确：不支持流式识别。实时字幕、实时同传、打电话边说边转，这套接口现在做不了。

声音的多样性。 合成只有两个音色。做客服够，做内容不够——没法给不同角色配不同嗓子，也没法克隆自己的声音。

责任边界。 内容安全做成接口，听着省事，但问题也跟着来了：平台判"安全"、你的产品却出了事，这责任算谁的？接口给的是判断，不是担责。真要商用，这条必须先想清楚。

还有个不算问题的问题：并发。Flash 2500，Pro 只有 500。个人开发者够用，大流量产品会撞天花板。

最后

这次 DeepSeek 没发模型，没刷榜，没说一句"超越"。

它只是把一个聊天 App 拆成七八个零件，标上价，然后说：连我这个 App，你也可以照着做一个。

听着像大方，其实是清醒。模型公司最怕的从来不是没人用，是所有人都只在聊天框里用它。

聊天框之外还能长成什么样，现在没人知道。既然不知道，那就把工具发给全世界，让愿意试的人去试。

周五傍晚发公告，本来是个没人看的时间。但这一次，很多人的周末计划可能要改了。

小lin 说 Ai，每天帮你抹平AI圈的信息差。这篇如果有用，顺手点个赞和在看，转给身边用AI的朋友。想第一时间收到更新，给我加个星标。我们明天见。