DeepSeek、アプリの検索や音声などの機能をAPIで公開

DeepSeek、アプリの検索や音声などの機能をAPIで公開
平山 大樹(AB通信 運営責任者)

平山 大樹 AB通信 運営責任者

AB通信 編集部が、企業・行政の公式発表や決算資料などの一次情報を確認して書いています。運営会社・編集方針

目次

この記事のポイント

  • DeepSeekは2026年11月13日、アプリ(ウェブ版を含む)で使われてきた会話の機能を、開発者向けAPIでも使えるようにしたと発表しました
  • 対象モデルはdeepseek-flashです。Messages、Responses、Chat Completionsの各APIで、ウェブ検索、深い思考検索、ファイル入力、URL読み取り、安全チェックをパラメーター指定で使えます
  • 検索とページ取得、OCR(文字の読み取り)、文字起こし(ASR)、読み上げ(TTS)は、単体のAPIとしても提供されています
  • 2026年11月18日12:00(北京時間、日本時間では同日13:00)以降、会話でモデルが行う検索・画像検索・ページ取得には、ツール利用料がかかりません。結果は文脈に足され、トークン料金だけがかかります。単体のSearch/Fetch APIは、成功1,000回あたり0.75ドルのままです
  • ファイル解析・OCRは1,000ページあたり0.225ドル、読み上げは1万文字あたり定価0.45ドル、文字起こしは音声1時間あたり定価0.116ドルです。読み上げと文字起こしは期間限定で半額です
  • 一般向けのサービスでは、安全チェックを有効にし、コンテンツの安全審査や大規模モデルの登録、AIであることの表示などの義務を自ら果たすよう案内しています

DeepSeekアプリの会話機能がAPIでも使えるようになりました

DeepSeekは2026年11月13日、公式のAPIドキュメント更新履歴で、アプリ(ウェブ版を含む)の会話を支えてきた機能を、開発者向けAPIでも開放すると発表しました。同じ内容は、案内ページ「The full DeepSeek App experience, now via API」でも説明されています。

DeepSeek公式案内「The full DeepSeek App experience, now via API」。ウェブ検索、深い思考検索、ファイル入力、URL読み取り、安全チェックと、単体APIの説明
DeepSeek API Docsの案内ページ。出典:DeepSeek API Docs「The full DeepSeek App experience, now via API」(2026年11月21日確認)

これまでアプリ側でまとまっていたウェブ検索、ファイルの読み込み、URLの読み取り、音声のやり取り、安全チェックを、既存の会話APIにパラメーターを足す形で使えるようにした、という発表です。ツールの実行や文脈の組み立てはサーバー側が担います。

対象モデルはdeepseek-flashです。使えるプロトコルは、Messages API、Responses API、Chat Completions APIの3つです。deepseek-flashは、2026年10月に公開されたDeepSeek-V4.1-Flash-1017を指します。モデル自体の解説は、DeepSeekがV4.1-Flash-1017を公開した記事にまとめています。

あわせて、検索とページ取得、OCR、文字起こし(ASR)、読み上げ(TTS)は、単体のAPIとしても公開されています。このうち検索とページ取得の単体APIは、2026年10月17日にすでに一般公開されていました(検索API『Search / Fetch API』の解説)。

公式ガイド「Build a Chatbot」の機能一覧。ウェブ検索、深い思考検索、ファイル入力、URL読み取り、安全チェック、利用者情報の目印、会話タイトル、読み上げ、音声入力
公式ガイドの機能一覧。出典:DeepSeek API Docs「Build a Chatbot」Feature Map(2026年11月21日確認)
図:会話API(deepseek-flash)で使えるウェブ検索、深い思考検索、ファイル入力、URL読み取り、安全チェックと、単体API(Search/Fetch、OCR、ASR、TTS)
出典:DeepSeek API Docs「Change Log」(2026年11月13日)、「Build a Chatbot」(2026年11月21日確認)をもとにAB通信が作成

会話APIでは、検索やファイル入力などをパラメーターで指定します

公式の案内「Build a Chatbot」によると、会話APIで使える主な機能は次のとおりです。

ウェブ検索と深い思考検索

ツールにdeepseek_web_searchを指定すると、モデルが必要に応じてウェブを検索し、出典付きで答えます。思考(thinking)をオフにした場合は、質問に応じてウェブ検索または画像検索を行い、引用を付けて回答します。思考をオンにした場合は「深い思考検索」になり、複数の推論ステップを通じて、モデルが自らウェブを検索し、リンクを読み進めます。

公式のSearch & Fetchガイドによると、単体のSearch APIは現時点では画像検索に対応しておらず、画像検索は会話のウェブツール経由でのみ利用できます。画像検索の単体API対応は、今後追加される予定と書かれています。

ファイル入力

ファイル解析のガイドによると、PDF、Word、PowerPoint、画像などをFiles APIにアップロードし、返ってきたfile_idを会話リクエストで参照します。解析の仕方は2つあります。

  • text_recognition:本文の文字だけを取り出します。図表や写真は対象外です。契約書や論文など、文字が中心の資料向けです
  • rich_layout_recognition:本文に加えて、図表や写真を切り出して、元の位置に近い形でモデルに渡します。グラフのある報告書や、図解のあるスライド・マニュアル向けです

図表の検出は自動で行われ、すべての図が必ず切り出されるわけではありません。1回のリクエストで参照できる文書は最大20件、テキストの合計は最大8MiBです。ファイルサイズの上限は100MiB、ページ数の上限は1,000ページです。テキストファイルや表計算、電子書籍は、user_dataとしてアップロードでき、この場合のアップロード自体は課金されないと案内されています。

URL読み取り

ツールにdeepseek_read_urlを指定すると、ユーザーのメッセージに含まれるリンクを検知し、ページを取得して、その内容を踏まえて答えます。対象になるのは直近のユーザーメッセージで、重複を除いた先頭10件までが候補になり、実際にどれを読むかはモデルが判断します。思考をオンにしてウェブ検索も指定している場合は、深い思考検索として処理され、URL読み取りだけを別途行う動きにはならない、と説明されています。

安全チェック

safety_checkを{"level": "high"}にすると、モデルの入力と出力を審査し、リスクがある場合は拒否の印を返します。モデルのコンテンツ安全ガイドでは、この設定は基本的なリスク管理であり、サービス提供者としての安全審査などの義務に代わるものではない、と書かれています。一般向けのサービスを提供する場合は、このパラメーターを有効にし、コンテンツの安全審査、大規模モデルの登録、AIであることの表示などの義務を自ら果たすよう案内しています。

公式の機能一覧には、このほか、利用者の日時・場所・言語をモデルに伝える目印や、会話の終わりに短いタイトルを付ける機能も載っています。読み上げと音声入力は、後述する単体のAPIを使います。

公式図:深い思考検索の応答。thinking、server_tool_useと検索結果、ページ取得、出典付きの本文が並ぶ様子
公式ガイドが示す、応答のブロックの例。出典:DeepSeek API Docs「Build a Chatbot」(2026年11月21日確認)

OCR、文字起こし、読み上げは単体のAPIとしても呼べます

会話に組み込まず、個別の処理として使いたい場合は、次の単体APIがあります。

OCR(文字の読み取り)

OCRガイドによると、エンドポイントはPOST https://api.deepseek.com/v1/tools/ocrです。PDF、Word、PowerPoint、画像の文字をページごとに認識し、結果を返します。ファイルはFiles APIに保存されず、会話モデルにも渡されません。文書について質問させたい場合は、ファイル解析を使います。

対応形式はPDF、Word(DOC、DOCX)、PowerPoint(PPT、PPTX)、PNG、JPEG、WebP、GIF、BMP、TIFFなどです。ファイルサイズは最大100MiB、ページ数は最大1,000ページです。料金は、認識に成功したページ数に対して、1,000ページあたり0.225ドルです。失敗やタイムアウトは課金されない一方、途中で接続を切っても認識は最後まで進み、成功すれば課金されると書かれています。

文字起こし(ASR)

Speech to Textガイドによると、エンドポイントはPOST https://api.deepseek.com/v1/tools/asrです。音声ファイルを送り、書き起こし全文を一度に返します。ストリーミング認識には対応していません。

受け付ける形式は16ビットPCMのWAV、またはOgg Opusです。WAVのサンプリング周波数は8000、16000、22050、24000、32000、44100、48000Hzに対応します。ステレオの場合は左チャンネルだけが認識されます。ファイルサイズは最大8MiB、長さは最大120秒です。言語の指定欄はなく、音声から自動で判定されます。対応言語には日本語(ja)も含まれています。

読み上げ(TTS)

Text to Speechガイドによると、全文を一度に渡す場合のエンドポイントはPOST https://api.deepseek.com/v1/tools/ttsです。モデルの生成中にテキストを分割して送る場合は、WebSocket(wss://api.deepseek.com/v1/tools/tts)も使えます。

声は、女性の「stella」(初期値)と、男性の「tide」の2つです。対応言語には日本語(ja)も含まれ、言語の指定欄はなく、テキストから自動で判定されます。1回のリクエストで返せる音声は最大30分です。再生速度の変更や、途中で止まったリクエストの再開には対応していません。課金対象の文字数は、1回あたり最大1万文字です。公式では、中国語の文字は2文字、英字・数字・空白などは1文字として数えると説明しています。日本語の文字を何文字として数えるかは、料金ページとTTSガイドには書かれていません。

呼び出しの例と、公式のデモ画面

公式の「Build a Chatbot」では、deepseek-flashにウェブ検索とURL読み取り、安全チェックを指定する例が紹介されています。Chat Completions APIの場合は、次のような呼び出しです。

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -d '{
    "model": "deepseek-flash",
    "thinking": {"type": "enabled"},
    "tools": [
      {"type": "deepseek_web_search"},
      {"type": "deepseek_read_url"}
    ],
    "safety_check": {"level": "high"},
    "messages": [{"role": "user", "content": "What is new in DeepSeek V4.1?"}],
    "stream": true
  }'

単体のOCR APIは、公式ガイドでは次のように呼び出します。

curl https://api.deepseek.com/v1/tools/ocr \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -F purpose="text_recognition" \
  -F file="@document.pdf"

DeepSeekは、これらのAPIを使ったオープンソースのデモ用チャット画面も公開しています。APIキーを入れると動作を確認でき、DeepSeek Chatから書き出した会話履歴の取り込みにも対応します。画面上では、深い思考(DeepThink)と検索(Search)を切り替え、音声入力やファイルの添付も選べます。デモは公式のデモページ、ソースコードはGitHub(deepseek-ai/chat-demo)で公開されています。公式によると、APIキーや会話、アップロードした画像は、デモではブラウザー内だけに保存されます。

公式のデモ用チャット画面。DeepThinkとSearchのボタン、音声入力とファイル添付のアイコンがある
公式が公開しているデモ用チャット画面。出典:DeepSeek Chat Demo(2026年11月21日確認)

料金は、会話の検索と単体APIで扱いが分かれます

11月13日の案内ページでは、拡張機能の利用には、通常のトークン料金に加えてツールの利用料がかかると説明し、次の公式料金表を掲載していました。

発表時の公式料金表。SearchとFetchは1,000回0.75ドル、OCRは1,000ページ0.225ドル、ASRとTTSは期間限定で半額
2026年11月13日の案内ページに載っている公式の料金表。SearchとFetchの単価は、単体APIでは現在も同じです。会話のウェブツールについては、後述のとおり11月18日からツール利用料がかからなくなりました。出典:DeepSeek API Docs「The full DeepSeek App experience, now via API」(2026年11月21日確認)

その後、公式の料金ページと、Web Toolsガイド、Search & Fetchガイドは、2026年11月18日12:00(北京時間、UTC+8。日本時間では同日13:00)以降の扱いを、次のように改めています(2026年11月21日確認)。更新履歴の先頭に、この変更の単独項目はまだ出ていません。

  • 会話でモデルを呼び出したときに起きる、サーバー側の検索・画像検索・ページ取得には、ツール利用料がかかりません。返ってきた結果はモデルの文脈に足され、トークン料金として課金されます
  • 単体のSearch API(テキスト)とFetch APIは、これまでどおり成功したリクエストごとに課金され、1,000回あたり0.75ドルです。空の検索結果や失敗、タイムアウトは課金されません
  • ファイル解析・OCR APIは、1,000ページあたり0.225ドルです
  • 読み上げ(TTS)は1万文字あたり、定価0.45ドル、期間限定価格0.225ドルです
  • 文字起こし(ASR)は音声1時間あたり、定価0.116ドル、期間限定価格0.058ドルです
公式料金ページのSearch & Fetch、ファイル解析・OCR、音声の欄。11月18日から会話の検索とページ取得のツール利用料はかからないと書かれている
公式料金ページの、Search/Fetch、ファイル解析・OCR、音声の欄。出典:DeepSeek API Docs「Models & Pricing」(2026年11月21日確認)
図:11月18日以降、会話のウェブツールはトークン料金のみ。単体のSearch/Fetchは1,000回0.75ドル、ファイル解析・OCRは1,000ページ0.225ドル、音声は期間限定で半額
出典:DeepSeek API Docs「Models & Pricing」「Web Tools」「Search & Fetch」(2026年11月21日確認)をもとにAB通信が作成

ファイル解析は、アップロード時に解析が成功したページ数で一度課金され、その後の会話で同じファイルを参照しても、解析料金は重ねてかかりません。文字起こしは、音声の長さを1秒単位で数え、1秒未満は1秒として扱います。読み上げと文字起こしの「期間限定で半額」について、終了日は料金ページにも各ガイドにも書かれていません。最新の単価は、公式の料金ページで確認する必要があります。

会話の検索を使う場合にかかるのは、主にdeepseek-flashのトークン料金です。公式の料金ページ(1百万トークンあたり、米ドル)では、入力(キャッシュ未ヒット)がオフピーク0.15ドル・ピーク0.3ドル、出力がオフピーク0.6ドル・ピーク1.2ドルです。ピーク時間は、協定世界時で月曜から金曜の1:00〜4:00と6:00〜10:00(中国の祝日を除く)とあり、日本時間にすると同日の10:00〜13:00と15:00〜19:00に当たります。中国語版の料金ページでも、北京時間の9:00〜12:00と14:00〜18:00と書かれています。

実務担当者・マーケター向けの読みどころ

日本の事業者が、自社の案内や調査、社内の問い合わせ窓口にこのAPIを使う場合の見方です。できることの範囲は、ここまで見てきた公式の機能に限ります。

  • 競合や業界団体の公式発表を調べる、自社サイトやプレスリリースのURLを渡して内容を確認する、といった用途では、会話APIでdeepseek_web_searchやdeepseek_read_urlを有効にすると、出典付きの回答を返せます。11月18日以降は、この経路の検索とページ取得にツール利用料がかからないため、自前でSearch/Fetchを毎回呼ぶ構成より、会話に任せた方が料金の見通しを立てやすい場合があります。一方、自社のエージェントやRAGから検索だけを直接呼びたい場合は、単体APIの1,000回0.75ドルがかかります
  • 提案書、マニュアル、契約書などのPDFをファイル入力し、社内向けの要約や確認に使う場面では、text_recognitionとrich_layout_recognitionの使い分けがポイントになります。文字が中心の資料は前者、グラフや図解が多い報告書・スライドは後者、と公式ガイドは説明しています。図表が必ず切り出されるわけではない点は、事前に見ておきたいところです
  • 顧客向けのチャットや、社内ヘルプデスクの音声化を検討する場合、文字起こしと読み上げはどちらも日本語に対応しています。ただし文字起こしは1回あたり最大120秒で、受け付ける形式も16ビットPCMのWAVとOgg Opusに限られます。読み上げは日本語の文字を何文字として数えるかが公式資料に書かれていないため、日本語本文の料金は実測で確認する必要があります
  • 一般の利用者向けに公開するチャットボットでは、安全チェックを有効にすることが求められます。公式が提供するのは基本的なリスク管理であり、コンテンツの安全審査、大規模モデルの登録、AIであることの表示などは、サービスを出す事業者側の義務です。日本の制度にどう当てはまるかは、公式資料だけでは判断できないため、自社の法務や対象国の案内を別途確認する必要があります

利用時の注意点

  • 会話の新機能について、公式ドキュメントが対象として挙げているモデルはdeepseek-flashです。deepseek-v4-proでも同じ機能が使えるかは、今回確認した公式の案内には書かれていません
  • 一般向けのサービスでは、安全チェックを有効にし、コンテンツの安全審査、大規模モデルの登録、AIであることの表示などの義務を、開発者自身が果たすよう求められています
  • ウェブ検索やURL読み取り、高い安全チェック、会話タイトルを有効にすると、temperatureやtop_pなど、一部のパラメーターはサービス側が決めるため、リクエストで指定しても無視されます
  • 11月13日の案内ページには、今も「拡張機能にはトークン料金に加えてツール利用料がかかる」との説明と、当時の料金表が残っています。会話の検索とページ取得の現在の扱いは、料金ページとWeb Tools/Search & Fetchガイドで確認してください
  • 文字起こしは、1回あたり最大120秒で、対応形式は16ビットPCMのWAVとOgg Opusに限られます。ストリーミング認識には対応していません
  • 読み上げは、再生速度の変更や中断したリクエストの再開には対応していません
  • 音声APIの半額キャンペーンがいつまで続くかは、公式資料では確認できませんでした

DeepSeekのモデルやAPI、料金の更新は、DeepSeekの更新履歴にまとめています。

出典

関連記事:DeepSeekの最新アップデート・更新履歴 / DeepSeek、検索API『Search / Fetch API』を一般公開 / DeepSeekがV4.1-Flash-1017を公開

更新履歴

  • 2026年11月14日:初版
  • 2026年11月21日:公式の料金ページとWeb Tools/Search & Fetchガイドに合わせ、2026年11月18日から会話の検索・ページ取得のツール利用料がかからなくなった点を追記。公式画像と、日本の業務での使いどころを追加

営業メールなし/無料

AI・SEOの動きは、
毎朝7時のメールで追いつける

平山 大樹(AB通信 運営責任者)

毎朝6時に私がピックアップしてます!

平山 大樹|AB通信 運営責任者

AB通信のメール配信イメージ

もうXを追いかけなくていい。前日にAB通信で公開したAI・SEOの新着記事を、朝のうちにまとめてお届けします。

毎朝7時ごろ、前日のAI・SEOの新着記事をメールでお届けします。

営業メールは送りません。無料で、配信はいつでも解除できます。
登録後に届く確認メールの「登録を確定する」ボタンで完了です(迷惑メールフォルダもご確認ください)。

目次