本文へ移動
YOBITSUGI AIメディア
AI ニュース人が監修しながらAIを活用して執筆

DeepSeek、アプリの検索や読み上げをAPIで提供 日本語の音声も

執筆・監修: 佐々木 航公開 更新 5 分で読めます

共有XFacebookLINEはてブ

自社のサービスにAIとの会話を組み込むとき、モデルを呼ぶだけでは足りません。ネットの検索、添付ファイルの読み込み、音声の入力と読み上げを、別々の会社のAPIでつなぐ手間がかかります。

DeepSeekは11月13日、自社のアプリ(Web版を含む)で使っている機能を、APIからまとめて使えるようにしました。モデルに付ける機能は、検索やファイルの読み込みなど5つです。検索、ページの取得、OCR、文字起こし、読み上げは、単独のAPIとしても出しました。対象のモデルは10月に出したDeepSeek-V4.1-Flash-1017で、モデル名はdeepseek-flashです。

モデルに付けられる5つの機能

5つの機能は、Anthropic形式のMessages、OpenAI形式のResponsesとChat Completionsのどれでも使えます。検索やページの読み取りは、DeepSeekのサーバーが行います。アプリ側は返ってきた結果を表示し、次の質問でそのまま送り返すだけです。

  • Web検索:考える処理を切った状態で検索の機能を付けると、モデルが必要に応じてWebや画像を検索し、出典を付けて答えます。
  • 考えながらの検索:考える処理を入れると、モデルが何段階も考えながら、自分で検索してページを読みます。
  • ファイルの読み込み:PDF、Word、PowerPoint、画像などを、文字だけ取り出すか、レイアウトごと読み取って会話に入れます。
  • URLの読み取り:利用者の文にリンクがあると、モデルがそのページを取りにいき、内容を踏まえて答えます。
  • 安全の確認:入力と出力を審査し、危ないと判断すると断りの印を返します。一般向けに公開するアプリでは、この機能が必須です。

このほか、会話の題を自動で付ける機能や、今日の日付と利用者のいる場所、言語をモデルに伝える欄も用意しました。なお、これらの機能を入れると、temperatureなどの一部の設定はサービス側が決め、送った値は使われません。1

単独のAPIと料金

モデルの料金とは別に、検索や読み上げなどは使った分だけかかります。

機能料金1回の上限など
検索(文章・画像)料金1,000回0.75ドル上限などモデルが使った分も数える
ページの取得料金1,000回0.75ドル上限などモデルが使った分も数える
ファイルの解析・OCR料金1,000ページ0.225ドル上限など100MiB・1,000ページ
読み上げ料金1万文字0.225ドル上限など1万文字・声は2種類
文字起こし料金1時間0.058ドル上限など120秒・8MiB

DeepSeekの料金と手引きのページの値(11月14日に確認)。読み上げと文字起こしは期間限定の半額で、定価は1万文字0.45ドルと1時間0.116ドルです。半額が終わる日は書かれていません。

検索とページの取得のAPIは、10月17日から単独で出していたものです。モデルが検索の機能で使った分も、料金は同じです。モデル自体の料金は、混む時間帯で100万トークンあたり入力0.30ドル、出力1.20ドルで、それ以外の時間帯は半額です。2

日本語の音声は、読み上げも文字起こしも対象

読み上げは、日本語を含む10の言語に対応します。言語を指定する欄はなく、文から自動で見分けます。声は女性のStellaと男性のTideの2種類で、話す速さは変えられません。文章を全部送る形のほか、モデルが書いている途中の文を少しずつ送り、音声を順に受け取る形もそろえました。

文字起こしも日本語が対象です。ただし、1回に送れる音声は120秒までで、話しながら順に文字にする使い方にも対応していません。チャットでの音声入力向けで、会議の録音のような長い音声には向きません。

日本のサービスで使うなら

一つのAPIキーで、会話、検索、ファイルの読み込み、音声までそろうのが今回の要点です。料金も安く、たとえば文字起こしは、期間限定の価格なら1時間で0.058ドルです。

一方で、気を付けたい点もあります。まず、混む時間帯は日本時間で平日の午前10時〜午後1時と午後3時〜7時です。日中に使うほど料金が高くなります。次に、日本語での読み上げや文字起こしの精度は示されていません。さらに、安全の確認の機能はありますが、内容を審査する責任は使う会社にあるとDeepSeekは明記しました。日本で公開するサービスに使うなら、送るデータの扱いを利用規約で確かめ、自社の文章や音声で試してから決めるのが確実です。

DeepSeekは、これらのAPIで作ったチャットのデモと、その元のコードも公開しました。DeepSeekのチャット履歴を読み込めて、APIキーと会話はブラウザーの中だけに保存されます。

DeepSeekのモデルとこれらのAPIは、YOBITSUGI AIで公開している対応AIの一覧には含まれていません。

出典

注

  1. 使われなくなるのは、temperature、top_p、停止の文字列などです。出力の長さの上限は使えますが、1回の質問全体ではなく、考える処理1段ごとの上限になります。手引きが指定するモデルはdeepseek-flashです。 ↩

  2. 混む時間帯は平日のUTC 1〜4時と6〜10時で、中国の祝日は除きます。入力のうちキャッシュに当たった分は100万トークンあたり0.006ドルです。読み上げの文字数は、漢字(中国語の文字)を2文字、英字や数字、空白を1文字と数えます。かなの数え方は書かれていません。 ↩

共有XFacebookLINEはてブ