DeepSeek 开口说话 新功能曝光

DeepSeek 正式上线原生语音交互能力，模型体系新增语音输入与语音输出链路。用户可以直接用语音发起对话，模型返回内容同步生成自然人声，不再依赖第三方语音组件拼接。这套能力直接内置在大模型推理链路，文本理解、逻辑推理、语音生成在同一模型体系完成，交互延迟得到压缩。

语音交互支持连续对话，对话过程中可随时打断模型输出。系统能识别停顿、语气变化，捕捉口语里的模糊表述，自动完成语义补全。多轮对话上下文完整保留，语音和文本会话记录互通，语音对话产生的内容，切换到文字界面依旧可以继续编辑。

开发者可调用配套语音 API，将这套实时语音能力接入自有应用。接口开放音色选择参数，可调整语速、语调。API 同时返回文本转写结果，用于会话存储与内容检索。

适用场景

智能硬件产品接入语音交互，使用者直接口头提问，获取模型回复。

线上客服系统搭建语音对话入口，接收用户口头咨询，完成信息查询。

语言学习场景，用户开口练习表达，模型实时给出反馈。

移动端应用增加免手动输入交互方式，在不便打字的场景使用语音完成任务。