ds-asr

DeepSeek 语音识别 · 浏览器本地处理

把录音转成文字,
文件不离开你的电脑。

拖入 mp3、m4a 或 mp4,浏览器在本机解码、按静音切片,再直连 api.deepseek.com 完成识别。本站服务器只发这一个页面 —— 它没有上传接口,收不到你的音频,也看不到你的 API Key。

参数
只存在本机 localStorage,直接由浏览器发给 DeepSeek。
拖入音视频,或点击选择
mp3 · m4a · wav · flac · ogg · mp4

工具免费。转写按 DeepSeek 官方计价扣你的 API 额度, 约 0.39 元/小时(限时 5 折)。切片数量不影响费用。

还没有任务。
左栏填入 API Key,然后把音频拖进虚线框内。
01工作原理

三步,全部在浏览器里

没有任何一步经过本站服务器。你可以按 F12 打开网络面板自己核对: 页面的出站请求只有一条,指向 api.deepseek.com。

STEP 1 · 解码

Web Audio 在本机读取

用 AudioContext.decodeAudioData() 把文件解成 PCM 样本, 多声道混合成单声道,再重采样到 16 kHz —— DeepSeek 唯一接受的采样率族。

STEP 2 · 切片

在停顿处下刀

按 20 ms 一帧计算 RMS,低于 −35 dB 且持续 0.45 秒以上记为静音。 切片点取静音区间中点,避免把句子拦腰截断;没有静音才硬切。

STEP 3 · 直连

浏览器发送并拼接

每片编码成 16 位 PCM WAV,带你的 Bearer token 直接 POST 到 /v1/tools/asr,结果按原时间顺序接回全文。

02接口限制

DeepSeek ASR 的硬约束

这些是接口自身的规定,不是本工具的选择。工具做的所有事 —— 转码、切片、并发、拼接 —— 都是为了绕开它们而不失准。

项目限制工具怎么处理
格式仅 16 位 PCM WAV / Ogg Opus浏览器内重采样并封 WAV
单文件体积≤ 8 MiB默认切片 ≤ 3.2 MB,留足余量
单段时长≤ 120 秒默认 100 秒,可在左栏调整
时间戳不返回导出件中的时间是切片边界近似值
流式不支持整段识别后一次性返回
说话人分离不提供输出为纯文本,无 speaker 标签
并发单账号同时 50 个请求默认 4 并发,上限 8
03隐私

本站不收集任何数据

这不是一句声明,而是架构决定的:页面是纯静态文件,服务器上没有任何后端程序。 没有数据库、没有日志分析、没有埋点、没有 Cookie、没有第三方脚本。

数据去哪了
音频文件留在浏览器内存中,转写后随任务结束释放;只发送给 api.deepseek.com
API Key你浏览器的 localStorage;每次上传作为 Bearer 头发给 DeepSeek
转写结果只在当前页面内存里,刷新即消失;导出由浏览器本地生成文件
访问记录服务器仅有标准访问日志(IP、路径、UA),用于排障,不做分析、不关联身份

需要完整条款请见 隐私声明。

04常见问题

你可能想问的

我的音频会上传到你们的服务器吗?

不会。本站是纯静态页面,服务器只发送 HTML / JS / CSS,没有任何接收上传的接口 —— 向它发 POST 会直接返回 405。

音频在你的浏览器里用 Web Audio 解码、重采样、切片,然后由浏览器直接 POST 到 api.deepseek.com。服务器全程收不到音频,也收不到你的 API Key。

为什么必须切片?不能整段上传吗?

DeepSeek 语音识别接口只接受 16 位 PCM WAV 或 Ogg Opus,单文件不超过 8 MiB、时长不超过 120 秒。 一段 16 kHz 单声道的 120 秒音频约 3.84 MB,再长就必然超限。

本站把长音频按静音点切开(默认每片不超过 100 秒,约 3.2 MB),逐段上传后再按原顺序拼接成全文。

转写有时间戳或字幕文件吗?

没有字级或句级时间戳 —— 该接口不返回。导出的 markdown 里标注的是切片边界时间, 属于近似值,不能当字幕时间轴用。

需要精确字幕请使用本地 WhisperX、SenseVoice 之类的模型。

支持哪些音频格式?

取决于浏览器的解码能力,通常支持 mp3、m4a、aac、wav、flac、ogg、opus, 以及 mp4、webm、mov 等容器里的音轨。

mkv 里的 AC3/DTS 音轨、部分 amr 文件浏览器解不开,页面会明确报错并提示先转码。

DeepSeek API Key 存在哪里?安全吗?

存在你自己浏览器的 localStorage,不会发给本站服务器。它只用于由浏览器直接调用 DeepSeek 接口。

在公用电脑上使用后,建议清除该站点的浏览数据;页面没有任何把 Key 写回服务端的代码路径, 你可以用开发者工具逐个审阅脚本。

转写收费吗?

本站工具免费。转写由 DeepSeek 按音频时长计费并从你的 API 账户扣款, 官方价格约 0.39 元/小时(限时 5 折,原价 0.78 元/小时)。

计费按音频时长、精确到秒,与切片数量无关 —— 切 10 段和切 100 段一个价。

能处理多长的录音?

技术上没有硬上限,但受浏览器内存约束:1 小时 mp3 解码后约占 115–230 MB。

桌面浏览器处理数小时录音通常可行;手机建议单次不超过 1–2 小时,并保持页面在前台。

支持哪些语言?

语种由 DeepSeek 自动识别,无需选择。支持中文、粤语、英语、日语、韩语、德语、法语、西班牙语、 葡萄牙语、意大利语、俄语、阿拉伯语、印地语、印尼语、越南语、泰语、土耳其语、马来语、 菲律宾语、波兰语、匈牙利语等。