昨天发完介绍 DeepSeek 新接口那篇，我回头自己看了一遍，光讲参数实在太干了。
平时大伙儿用它，无非是写点东西或者改改代码，顶多听过它能认图片里的字。
语音听写和配音这两项，用过 DeepSeek 的人里估计不少都没留意过。
所以我干脆另起一篇，挑几件平时真用得上的小事接上接口跑一遍，最后花了多少钱也一并写明白。
▲ 图：DeepSeek 的四项新用法
我先拿英文网页试了做成双人播客，接着试了随口录音整理待办，还有每天早上的新闻自动播报。
报告里夹着图表需要单独抠出来的时候，我也顺手写了段脚本测了一下。
先把一篇英文指南做成双人播客
面对一万来字的英文开发指南，从头往下啃实在慢。我挑了 DeepSeek 自家文档的网页链接拿来做测试。
脚本把网页正文抓下来以后，让模型先改成 6 轮口语对聊。
后面配音选了女声 stella 和男声 tide，一男一女交替念出来。
▲ 视频：61 秒双人播客实测原声
成片听着确实像俩人在聊天。
女声先开口问自己搭聊天工具门槛还高不高，男声紧跟着就把服务端自动搜网页和读链接那块接了过去。
这 61.1 秒的音频全靠脚本调接口自动拼出来，剪辑软件我根本没打开过。
▲ 图：双人播客生成流程与开销
整套主流程走了 8 次请求，扣了 0.0843 元。里面大半块钱花在了最后那 53.24 秒配音上，占掉 0.0768 元，前面抓近万字网页加改写脚本加一块还不到一分钱。
写对话稿那会儿我还故意留了几个加粗用的双星号没删，想看它会不会傻乎乎照着念出“星号”两个字，还好接口默认滤掉了排版符号，一句没念歪。
末尾我又顺手塞进去一句 6.4 秒粤语测试，语种参数一行没写，女声自己直接转成了粤语腔。
连着这句粤语和验证测试，做播客这块拢共花了 0.0934 元。
写播客拼接脚本的时候我还碰到一个暗坑：直接拉下来的音频头文件里把总时长写成了一个超大假数字。
后面自己写代码拼长音轨时，必须按实际读到的声音数据自己算长度，不这么算播放器会卡住。
随口说句话，直接理成待办
除了开口说话，语音转文字功能这回也在，限时五折算下来一小时只要 0.39 元。
为了方便展示效果，这块我没出门用手机录环境音，是用电脑自带的朗读声音现合成了一段 10.98 秒的测试语音。
内容是提醒自己下午把 Ogg Opus 转码脚本推上 GitHub，顺便把 WebSocket 朗读的 Token 统计写进文档。
▲ 图：11 秒语音转待办实测
传过去 1.3 秒出头，文字就识别出来了。
因为系统本地发音把 Ogg Opus 念得有点偏，返回结果被记成了 out of plus，其余 DeepSeek、API、GitHub、WebSocket 和 Token 都认对了。
模型紧接着用了 0.8 秒把这段话拆成三条现成待办。
就这么听写加整理来回一趟只花了 0.0014 元，加上后面我接着试方言和声道，这组总共花了 0.0026 元。
要是平时习惯直接丢 MP3 格式过去，系统会当场拦回来，好在拒收那次没算钱。
提前转成 Ogg Opus 格式再传，11 秒录音直接能从 343K 瘦身成 42K，体积小了八倍，传着快也省事。
方言我也送了一段 7.3 秒的粤语夹英文数字试了下，一样一个参数没填，吐出来的字里连“听朝 9:30 帮我 check”都对得上。
双声道有个地方挺容易中招：我特意试了条左声道全静音、只有右声道有人说话的录音传上去。
接口倒是没报错，交回来一行空字，照样按 3 秒音频扣了我 0.0003 元。
早上搜完新闻自己念出来
如果不挑具体哪条链接，每天早上让它自己联网查一遍新闻然后念给我听，也是个蛮顺手的做法。
放模型自己联网搜东西，我最担心的就是它没完没了点开几十张网页把钱烧多了。
写脚本的时候我直接卡死了规矩，搜 1 次只拿 5 条近闻，并且最多只让它点开前 2 篇全文看。
找资料的开销这么一来就锁死在 0.015 元，最多一分半钱。
挑出来的新闻压成 249 字早报稿以后，换用男声 tide 走流式方式开口。
▲ 视频：40 秒语音早报实测原声
流式出声的听感跟前面等整段合完再听完全是两回事。
早报一上来先问候一句“早上好”，接着把新功能开放和几个价格念出来，我把文字推出去刚过 1.28 秒第一句男声就已经响了。
整段 40.7 秒音频统共 7.78 秒全部合成完，算上搜新闻、读页面、写稿子和开口念，全部只要 0.0734 元。
▲ 图：早报控费与流式出声实测
顺带测了下从报告里自动截图表
文档识图这块大家以前或多或少听说过，所以这里没做太复杂的工程。
我用脚本自己拼了张带文字和柱状图的单页报告图片，丢进去试了下。
▲ 图：单页简报自动抠出图表
接口 2.19 秒就返回了结果，文字都认出来了，中间那块柱状图的上下左右坐标也跟着发回来了。
脚本拿到这组坐标直接裁剪，就能把单独一张柱状图切出来，边上的正文半个字不沾。
这一页跑完的账单是 0.0015 元，也就是 1 厘 5。
最后翻了下扣费明细
全部脚本跑停以后，我去后台把扣费明细导出来一条条看。
一共发了 21 次请求，当中往语音识别里传 MP3 报错拒收那次没计费，实际扣钱的有 20 笔。
把这 20 笔加起来，总开销是 0.170932 元，一毛七刚出头。
▲ 图：20 次计费请求总账单
我跑测试这天刚好碰上周六，后台全天按空闲时段打了五折，语音识别和配音接口眼下也都在五折期内。
就算回头恢复原价，把前面这些案例全跑一轮，也才几毛钱的事。
平时用习惯了把 DeepSeek 当文字对话工具，真拿它的声音和识图接口搭几个本地脚本用用，体验完全是两码事。
如果你刚好想省掉人工看文档、听录音或者整理早报的时间，花几毛钱买个额度自己接一下，很快就能用上。
DeepSeek 把 App 能力开放给开发者，连聊天前端也开源了
参考资料
1. DeepSeek 模型与价格说明：
https://api-docs.deepseek.com/zh-cn/quick_start/pricing
2. DeepSeek 语音合成、识别、搜索与版面识别官方指南：
https://api-docs.deepseek.com/zh-cn/guides/tts
https://api-docs.deepseek.com/zh-cn/guides/asr
https://api-docs.deepseek.com/zh-cn/guides/searchhttps://api-docs.deepseek.com/zh-cn/guides/ocr