DeepSeek mở API tìm kiếm web, đọc tệp và xử lý giọng nói

DeepSeek đã bổ sung tìm kiếm web, nhập tệp và đọc liên kết vào API hội thoại, đồng thời mở các tính năng xử lý giọng nói cho nhà phát triển vào ngày 13.

Trong nhật ký cập nhật API chính thức ngày 13, DeepSeek cho biết nhà phát triển có thể dùng các tính năng tìm kiếm, nhập tệp và đọc liên kết bằng cách bật cài đặt tương ứng trong API hiện có. Nhờ đó, các chức năng hội thoại vốn có trên ứng dụng và web có thể được tích hợp vào dịch vụ bên ngoài.

Máy chủ DeepSeek xử lý các lệnh gọi công cụ cần thiết cho tìm kiếm và mở liên kết, cũng như việc tạo ngữ cảnh. Nhà phát triển có thể hiển thị các khối nội dung được trả về và chuyển nguyên nội dung đó vào yêu cầu tiếp theo.

Trong chế độ hội thoại thông thường của mô hình deepseek-flash, khi bật công cụ tìm kiếm web, mô hình có thể tìm trang web hoặc hình ảnh phù hợp với câu hỏi và trả lời kèm nguồn. Nhà phát triển bật công cụ này trong yêu cầu hội thoại.

Ở chế độ suy luận sâu, mô hình có thể tìm kiếm qua nhiều bước và đọc các trang. Thay vì chỉ thực hiện tìm kiếm thông thường, mô hình xem xét câu hỏi rồi tiếp tục tìm thêm và mở liên kết.

Người dùng cũng có thể gửi liên kết để mô hình đọc. Công cụ tìm và mở trang từ kết quả tìm kiếm được tách riêng với công cụ lấy nội dung từ một liên kết được chỉ định.

Tính năng nhập tệp hỗ trợ PDF, tài liệu Word, PowerPoint và hình ảnh. Sau khi tải tệp lên, người dùng có thể chọn tệp trong yêu cầu hội thoại để nhận câu trả lời dựa trên nội dung đó.

Việc xử lý tài liệu có hai cách: chỉ trích xuất văn bản hoặc phân tích cả văn bản lẫn hình ảnh. Hướng dẫn xử lý tệp nêu rõ rằng ngay cả khi chọn cách thứ hai, hệ thống cũng không nhận diện được mọi hình ảnh trong tài liệu.

Ngoài việc kết nối các tính năng với hội thoại, nhà phát triển có thể gọi riêng các công cụ tìm kiếm, lấy nội dung trang web và nhận dạng ký tự trong hình ảnh (OCR). Họ có thể chọn từng tính năng cần dùng hoặc kết hợp nhiều tính năng trong dịch vụ hội thoại.

Các tính năng giọng nói được cung cấp qua giao diện riêng. Nhận dạng giọng nói (ASR) chuyển âm thanh thành văn bản, còn tổng hợp giọng nói (TTS) chuyển văn bản thành âm thanh.

Các tính năng hội thoại hỗ trợ ba định dạng API: Messages, Responses và Chat Completions. Nhà phát triển có thể chọn định dạng phù hợp với cấu trúc dịch vụ hiện có.

Trước thông báo này, DeepSeek đã công bố API tìm kiếm sử dụng công cụ tìm kiếm riêng vào ngày 17 tháng 10. Lần cập nhật mới bổ sung khả năng để mô hình tìm kiếm và mở liên kết ngay trong lúc hội thoại.

Theo bảng giá chính thức, mỗi 1.000 lần gọi riêng lẻ hoặc gọi công cụ trong hội thoại để tìm kiếm và lấy nội dung trang web có giá 5 nhân dân tệ. Phân tích tệp và OCR có giá 1,5 nhân dân tệ cho mỗi 1.000 trang, tính phí khi tải tệp lên và phân tích thành công. Token đầu vào và đầu ra của mô hình được tính riêng với phí sử dụng công cụ; khi tham chiếu tệp trong các lượt hội thoại tiếp theo, phí token đầu vào sẽ được áp dụng. TokenPost trước đó đã đưa tin về việc chuyển đổi cách tính phí API Search và Fetch của DeepSeek.

DeepSeek cũng công bố mã nguồn mở một chương trình hội thoại mẫu sử dụng các tính năng mới. Chương trình hỗ trợ tìm kiếm, tải tài liệu lên, nhập giọng nói và đọc câu trả lời thành tiếng, cũng như lấy lịch sử hội thoại từ DeepSeek.

Trong chương trình mẫu, khóa API, lịch sử hội thoại được lấy về và hình ảnh đã tải lên được lưu trên trình duyệt của người dùng. DeepSeek giới thiệu chương trình này nhằm mục đích trình diễn.

DeepSeek khuyến nghị các nhà phát triển cung cấp dịch vụ cho người dùng bên ngoài bật tính năng kiểm tra an toàn cơ bản đối với nội dung đầu vào và đầu ra. Hãng cũng nêu riêng các nghĩa vụ của bên cung cấp dịch vụ, bao gồm kiểm duyệt nội dung và thông báo nội dung do AI tạo.