会懂网AI资讯，9月17日，深度求索于九月十二日在其App端正式启动语音对话功能的小范围灰度测试，用户可通过界面右上角新增的小喇叭图标开启实时语音对话，标志着这家以文本能力见长的大模型公司正式向多模态交互迈出了实质性步伐。此次更新被外界视为DeepSeek补齐交互闭环的关键动作，也意味着其在与豆包、OpenAI、谷歌等对手的语音赛道竞争中不再缺席。
在设置页面中，DeepSeek为用户提供了四种全新的朗读音色选择，分别以贝壳、白浪、海星、暗潮命名，丰富了语音输出的个性化表达。不过官方明确当前功能仍处于小范围灰度阶段，网页端暂时不支持语音对话，且尚未公布全量开放的具体时间表。这种谨慎推进的节奏，与深度求索一贯强调模型质量优先、避免仓促上线的产品风格一脉相承，也为后续优化留出了充足空间。
将视野放到整个行业，语音交互早已是头部模型的兵家必争之地。字节豆包在今年四月便已全量上线原生全双工语音能力，用户可与模型自然打断、连续交流；OpenAI则在七月推出GPT-Live实时语音功能；谷歌的Gemini Live更是支持摄像头共享，让语音对话叠加视觉输入。在这样的竞争背景下，DeepSeek补上语音一环，既是顺应趋势，也是守住用户入口的必要举措。
值得注意的是，DeepSeek的语音测试与其多模态迭代节奏高度同步。就在九月十日，公司刚刚发布V4.1-Flash版本，该版本具备原生多模态视觉理解能力，并同步下调了API调用价格，以更低门槛吸引开发者。语音功能的灰度测试紧随其后，显示出深度求索在文本、视觉、语音三条技术线上正加速收敛，试图以更完整的模态组合提升产品综合体验与用户黏性。
从产品战略看，语音对话的加入将显著拓展DeepSeek的使用场景边界。在通勤、居家、车载等不便打字的移动环境中，自然语音交互能够降低使用门槛、提升交互效率，也有助于其从专业开发者群体向更广泛的普通消费者渗透。当语音成为入口，模型背后的推理、搜索与工具调用能力才能获得更频繁的消费，从而为商业化创造更多可能。
分析人士指出，尽管DeepSeek在语音赛道的起步晚于部分竞争对手，但其凭借扎实的模型底座与庞大的用户基础，仍有机会实现后发追赶。补齐多模态交互的最后一环后，深度求索能否在保持文本优势的同时，把语音与视觉能力打磨到行业一流水平，将成为下一阶段外界关注的重点。随着灰度范围逐步扩大，这场围绕耳朵与嘴巴的较量才刚刚开始。
暂无评论内容