AI技術速報 ── 2026-11-18
DeepSeek API、検索・OCR・音声を追加
DeepSeek APIが検索・OCR・音声を提供。音声認識は120秒まで
何が変わるか
Tech Timesによると、開発者は音声、文書、Webリンク、検索クエリを一つの事業者経由で扱えるようになった。DeepSeekの更新履歴は11月13日付である。
エージェントや検索拡張生成(RAG、外部資料を検索して回答に使う方式)のアプリは、検索、文書解析、音声を一社でまとめて使える。
なぜ重要か
Tech Timesは、この一本化で音声、ファイル、取得したWebページ、検索クエリが同じ経路を通ると指摘している。この集中について更新履歴は触れていないという。
DeepSeekは中国・杭州の企業で、中国の国家安全関連法の対象になる。Tech Timesは、価格を比べる前にこの条件を確認すべきだと述べている。
何か
DeepSeekの更新履歴には、Web検索、URL読み取り、ファイル入力、安全チェック設定が載っている。単独で使える検索、取得、OCR、音声認識(ASR)、音声合成(TTS)のサービスも載っている。
OCRは画像や文書から文字を読み取る技術である。ASRは音声を文字にする技術で、TTSは文字から音声を作る技術である。ユーザーのDeepSeekチャット履歴を取り込めるオープンソースのデモ用チャットクライアントも加わった。
どこで・誰が
提供元は中国・杭州のDeepSeekである。Tech Timesによると、チャット機能はdeepseek-flashモデル上で動き、Messages、Responses、Chat CompletionsのAPIで使える。
OCR、音声認識、音声合成のページには、基盤モデル名の記載がない。自前で運用する版はなく、ホスト型サービスとしてのみ説明されているという。
なぜ作られたか
更新履歴は目的を詳しく述べていないと見られる。Tech Timesの記事から読み取れるのは、検索や文書解析、音声を別々の事業者から集める手間を減らす狙いである。
記事はこの点を「開発者の利便性」として扱っている。DeepSeek自身の説明として引用されている箇所はない。
どう動くか
Tech Timesが引用するTokenPostによると、ツール呼び出しと文脈の組み立てはDeepSeekのサーバー側で行われる。開発者はAPIが返すコンテンツブロックを表示し、次のリクエストでそれを返す。
ファイルは先にアップロードして解析し、ファイルIDでチャットから参照する。文字認識モードは文字だけを取り出す。レイアウト認識モードは図を切り出して本文中に置くが、DeepSeekは全ての図が見つかる保証はないと警告している。
音声認識は16ビットPCMのWAVかOgg Opusで、120秒、8 MiBまでである。ストリーミングには対応せず、ステレオは左チャンネルだけを認識する。
要点
- 音声認識は1回120秒・8 MiBまでで、ステレオは左チャンネルのみ認識する。
- OCR、音声、検索の精度を示す数字は公開されず、第三者検証は検索の1件だけだった。
- DeepSeekは中国の国家安全関連法の対象で、利用者データも同じ法的管轄に置かれる。
結語
DeepSeek APIは検索、OCR、音声を一社でまとめて使えるようにした。ただしTech Timesは、制限、第三者検証の少なさ、中国法の適用を先に確認すべきだと述べている。機密性の高い音声や契約書は送らない対策が示されている。
引用と出典
“its speech recognition service accepts only 120 seconds of audio per request, its file parser can miss charts and diagrams, and every call goes to a Hangzhou-based company subject to China's state-security laws.”(和訳)音声認識サービスは1リクエストにつき120秒の音声しか受け付けず、ファイル解析は図や図表を見落とすことがあり、全ての呼び出しは中国の国家安全関連法の対象となる杭州の企業に送られる。── Tech Times, 2026-11-16
“Speech recognition is the tightest constraint.”(和訳)音声認識が最も厳しい制約である。── Tech Times, 2026-11-16
“DeepSeek's pages publish no accuracy figures for the new tools.”(和訳)DeepSeekのページは、新ツールの精度の数字を公開していない。── Tech Times, 2026-11-16
“Treat DeepSeek's capability claims for the new tools as unverified until a named third party tests them on your own audio and documents.”(和訳)新ツールに関するDeepSeekの性能の主張は、名のある第三者が自分の音声や文書で試すまで、未検証として扱うこと。── Tech Times, 2026-11-16
材料にした記事
- Tech Times 11/16 06:15 UTC
この速報は AI(Claude)が出典の記事から書き、Jev(TypeSafe の判定モデル)と Gemini の裏取り、引用の逐語の照合を通したものです。