DeepSeek 是一款专注于大语言模型（LLM）研发的 AI 工具，主要面向文本生成、代码辅助、问答等任务。截至目前，DeepSeek 官方并未提供原生的音频转文字（语音识别）功能。
为什么 DeepSeek 不直接支持音频输入？
DeepSeek 的核心架构基于 Transformer 模型，专为处理文本序列而设计。它接收的是文本 Token，而非音频信号。因此，要实现“音频转文字”，需要额外集成语音识别（ASR）模块，例如 Whisper、科大讯飞、百度语音等第三方服务。
如何间接使用 DeepSeek 处理语音内容？
您可以采用以下两步流程：
- 使用语音识别工具（如 OpenAI Whisper、讯飞听见、手机录音转文字 App）将音频转换为文字；
- 将生成的文字粘贴到 DeepSeek 中，进行摘要、翻译、分析或润色等后续处理。
未来是否可能支持？
随着多模态 AI 技术的发展，不排除 DeepSeek 未来会集成语音输入能力。但目前其定位仍以高性能文本大模型为主，暂未开放语音接口。
如果您希望获得完整的语音+文本 AI 工作流，建议结合专业 ASR 工具与 DeepSeek 协同使用。