TypeFree 国内直连 API 配置指南(豆包 / 硅基流动 / 通义千问 & DeepSeek 混搭实战)
本指南面向国内网络环境用户,重点介绍如何使用 火山引擎(豆包)、硅基流动(SiliconFlow)、阿里云百炼(通义千问) 独立配置使用,以及如何将这三家的 流式 / 高速语音识别(一阶段) 与 DeepSeek 官方 API(二阶段与军师大脑) 黄金混搭。
一、先看懂原理:为什么是一阶段「听音」+ 二阶段「大脑」?
在 TypeFree 主应用的 「API 配置 → 2. 工作流与模型自由混搭」 中,选择 ⚡ 实时流式 / 双阶段 模式时,整条 AI 链路被拆为前后两段:
🎙️ 你说话 (.pcm / .wav 音频)
│
▼ 【一阶段:👂 听音转写引擎 (STT)】
│ • 实时流式 WebSocket:阿里云百炼 / 火山引擎豆包(边说边上屏)
│ • HTTP 整包上传:硅基流动 SenseVoiceSmall(POST /v1/audio/transcriptions)
│
▼ 识别出原始文本
│
▼ 【二阶段:🧠 语义润色 & ✍️ 帮写 & 🔍 问AI & ✦ Jev 军师 (LLM)】
• 支持所有纯文本/多模态大模型:DeepSeek / 豆包 / 通义千问 / 硅基流动
⚠️ 重要结论:为什么 DeepSeek 只能做二阶段(且不能填进一阶段非流式)?
- 一阶段的「OpenAI 兼容 HTTP 整包(非流式)」不是聊天框,它会在你松手后把
.wav录音文件上传到/v1/audio/transcriptions语音识别端点; - DeepSeek 官方(
https://api.deepseek.com/v1)只提供纯文本对话接口(/v1/chat/completions),没有语音识别端点,模型也不接收音频数据,因此不能填到一阶段听音里; - 但所有与文字、思考、回复相关的重头戏——语音口述润色、
✍️ 帮写、🔍 问AI以及✦ Jev 军师——全部跑在二阶段,DeepSeek 都能直接胜任!
二、6 种主流配置方案速查表
| 方案 | 组合方式 | 需要几把 Key | 边说边出字 | 听音推荐模型 | 二阶段 / 军师推荐模型 | 成本与适用人群 |
|---|---|---|---|---|---|---|
| A1 | 硅基流动 单配 | 1 把 | 整包 (~0.8s) | FunAudioLLM/SenseVoiceSmall | 润色 Qwen/Qwen2.5-7B-Instruct<br/>军师 deepseek-ai/DeepSeek-V3 | 零门槛 / 免费听音,新号即用 |
| A2 | 阿里云百炼(千问)单配 | 1 把 | 实时流式 | paraformer-realtime-v2 | 润色 qwen-turbo-latest<br/>军师 qwen-plus-latest / qwen-max-latest | 单 Key 通吃流式听写 + 军师,最省心 |
| A3 | 火山引擎(豆包)单配 | 1~2 把 | 实时流式 | bigmodel (SeedASR 2.0) | 润色 doubao-seed-2-1-lite-260915<br/>军师 doubao-seed-2-1-pro-260915 | 中文听写极准,军师原生支持看聊天截图 |
| B1 | 百炼千问流式 + DeepSeek | 2 把 | 实时流式 | paraformer-realtime-v2 | 润色/军师 deepseek-chat | 兼顾边说边出字 + DeepSeek 顶配话术 |
| B2 | 豆包流式 + DeepSeek | 2 把 | 实时流式 | bigmodel (SeedASR 2.0) | 润色/军师 deepseek-chat | 强推主力混搭:听得最准 + 写得最懂中文 |
| B3 | 硅基免费听音 + DeepSeek | 2 把 | 整包 (~0.8s) | FunAudioLLM/SenseVoiceSmall | 润色/军师 deepseek-chat | 极致性价比:听音 0 成本,仅大脑花 DeepSeek 费用 |
💡 所有账号凭证均加密保存在 「1. 服务商凭证保险箱」 中,切来切去不会丢失已填 Key。
三、方案一:单平台独立打通(豆包 / 硅基流动 / 通义千问)
如果你只想注册一个平台、用最少步骤快速跑通,按对应小节操作即可:
1. 硅基流动(SiliconFlow)—— 免费高速听音,一把 Key 起飞
- 在 硅基流动控制台 创建 API Key(
sk-...)。 - 打开 TypeFree 「API 配置 → 1. 服务商凭证保险箱」,点选 「硅基流动」 瓷砖。
- 粘贴
sk-...Key,点击下方 「🚀 一键设为当前主力方案」: - 一阶段 STT:自动配好
OpenAI 兼容 HTTP 整包+FunAudioLLM/SenseVoiceSmall(免费且中文/中英混读准确度高)。 - 二阶段 LLM:自动配好
Qwen/Qwen2.5-7B-Instruct。 - 进阶优化军师效果:
- 在下方展开 「✦ Jev 军师专用模型(高情商/多模态独立路由)」 开关;
- 选择 「硅基流动」,模型选
deepseek-ai/DeepSeek-V3(纯文本高质量)或Qwen/Qwen2.5-VL-72B-Instruct(若需要军师看懂聊天截图里的表情包/图片); - 思考模式保持 「自动 (AUTO)」 即可,系统会在军师下自动开启有界思考与 SSE 流式逐卡上屏。
2. 阿里云百炼 / 通义千问 —— 单个 sk- Key 原生 WebSocket 实时流式
阿里云百炼的一大优势是 只需一个 sk-... Key,即可同时驱动 WebSocket 实时边说边写与 Qwen 大模型,无需区分 AppID。
- 登录 阿里云百炼控制台,确认已开通模型服务并创建一个
API Key(sk-...)。 - 在 TypeFree 「1. 服务商凭证保险箱」 点选 「阿里云百炼」,填入
sk-...Key。 - 点击 「🚀 一键设为当前主力方案」:
- 一阶段 STT:自动启用
阿里云百炼 WebSocket 实时流式,默认模型paraformer-realtime-v2(也可以在下拉预设换fun-asr-realtime或多语gummy-realtime-v1)。 - 二阶段 LLM:自动使用
qwen-turbo-latest(极速关思考)。 - 进阶优化军师效果:
- 打开 「✦ Jev 军师专用模型」 → 选 「阿里云百炼」;
- 推荐模型:
qwen-plus-latest(速度与情商均衡)或qwen-max-latest;如果常发图给军师看,选qwen-vl-max-latest。
3. 火山引擎 / 豆包 —— 豆包同源流式 SeedASR 2.0 + Seed 2.1
火山引擎需要留意:「火山方舟(文本大模型)」和「豆包语音(流式识别)」在控制台属于两个入口,App 内已为豆包预留了分开填写的输入框:
- 获取火山语音(👂 听音,SeedASR 2.0 流式)凭证:
- 前往 火山引擎豆包语音控制台,创建应用并开通 「流式语音识别大模型」(对应 Resource ID 默认已填好
volc.seedasr.sauc.duration;若你开通的是旧版 1.0volc.bigasr.sauc.duration,可在「3. 高级连接覆盖与 1-Token 测速」里修改火山语音 Resource ID)。 - 若控制台给出的是
App ID+Access Token:分别填入第 2 栏火山语音豆包流式 Access Token与第 3 栏火山语音 AppID。 - 若控制台给出的是新版单
X-Api-Key:只需填入第 2 栏Access Token,第 3 栏AppID留空即可。 - 获取火山方舟(🧠 润色与军师)凭证:
- 前往 火山方舟控制台,创建 API Key 填入第 1 栏
火山方舟 API Key(豆包 LLM 润色 / 单 Key),并在控制台开通推理模型(doubao-seed-2-1-lite-260915、doubao-seed-2-1-pro-260915等;如果你用自定义推理接入点ep-xxx,也可在「Model」框手填接入点 ID)。 - 点击 「🚀 一键设为当前主力方案」:
- 一阶段 STT:自动启用
火山豆包 WebSocket 实时流式(bigmodel),按住说话边说边上屏; - 二阶段 LLM:默认使用
doubao-seed-2-1-lite-260915关思考极速润色。 - 进阶优化军师效果:
- 打开 「✦ Jev 军师专用模型」 → 选 「火山引擎豆包」 → 模型选
doubao-seed-2-1-pro-260915,思考模式保持 「自动 (AUTO)」。该模型同时支持 有界思考 + 原生聊天截图识别 + SSE 流式,综合体验极稳。
四、方案二:前三家流式/高速听音 + DeepSeek 官方 API(黄金混搭重点)
如果你想把 豆包 / 通义千问的实时流式听音(或硅基流动免费听音) 和 DeepSeek 官方 API 组合在一起,推荐按如下顺序配置:
🌟 黄金配置两步法(通用)
- 第 1 步(先定耳朵):在「1. 服务商凭证保险箱」选择 阿里云百炼 / 火山引擎豆包 / 硅基流动 之一,填好其语音 Key 并点击一次 「🚀 一键设为当前主力方案」,让它坐镇一阶段听音;
- 第 2 步(再换 DeepSeek 大脑):在保险箱点选 「DeepSeek」,填入官方 API Key(
sk-...),点击 「🧠 一键设为文本大脑(二阶段润色 & 军师)」!
✅ 新版智能机制:点完 DeepSeek 按钮后,系统会保留你刚才配好的百炼/豆包/硅基一阶段听音通道(如果你先填了 DeepSeek 后补填听音 Key,在「2. 工作流与模型自由混搭 -> 👂 听音转写引擎」里点一下对应服务商即可,或者点 DeepSeek 按钮时会自动从密码本检索并回填已有 STT)。
三套混搭核对清单
组合 B1:阿里云百炼(千问流式听音)+ DeepSeek 大脑
- 第 1 步:点「阿里云百炼」填
sk-...→ 点「🚀 一键设为当前主力方案」。 - 第 2 步:点「DeepSeek」填
sk-...→ 点「🧠 一键设为文本大脑(二阶段润色 & 军师)」。 - 核对「2. 工作流与模型自由混搭」:
👂 听音转写引擎:高亮 阿里云百炼,模型paraformer-realtime-v2(实时流式边说边写)。🧠 二阶段语义润色 & 写作快译模型:高亮 DeepSeek,模型deepseek-chat。
组合 B2:火山豆包(SeedASR 2.0 流式听音)+ DeepSeek 大脑(✨ 极力推荐)
- 情况一(豆包语音 + 方舟都开过):先在「火山引擎豆包」填好语音
Access Token/AppID(与方舟 Key,如只当耳朵用方舟 Key 可空或只填语音 Token)→ 点「🚀 一键设为当前主力方案」→ 再到「DeepSeek」填 Key 点「🧠 一键设为文本大脑」。 - 情况二(我只开通了豆包语音,完全不想开火山方舟):
- 在「火山引擎豆包」瓷砖里只填第 2 栏
Access Token和第 3 栏AppID(第 1 栏方舟 Key 留空); - 在「DeepSeek」瓷砖里填好
sk-...→ 点击「🧠 一键设为文本大脑」; - 到下方 「2. 工作流与模型自由混搭 -> 👂 听音转写引擎」 直接点选 「火山引擎豆包」,确保听音切换为
bigmodel(火山豆包 WebSocket 实时流式)即可!
组合 B3:硅基流动(免费 SenseVoice 整包听音)+ DeepSeek 大脑
- 第 1 步:点「硅基流动」填
sk-...→ 点「🚀 一键设为当前主力方案」。 - 第 2 步:点「DeepSeek」填
sk-...→ 点「🧠 一键设为文本大脑(二阶段润色 & 军师)」。 - 核对「2. 工作流与模型自由混搭」:
👂 听音转写引擎:高亮 硅基流动,模型FunAudioLLM/SenseVoiceSmall(HTTP整包上传)。🧠 二阶段语义润色 & 写作快译模型:高亮 DeepSeek,模型deepseek-chat。
⚡ 实用提速技巧:流式口述直出 vs 二阶段 DeepSeek 润色怎么取舍?
在 「2. 工作流与模型自由混搭 -> 🧠 二阶段语义润色 & 写作快译模型」 卡片右上角有一个开关:
- 打开开关(默认):每次按麦克风说完话,都会先过一遍
deepseek-chat(自动关思考,约0.4~0.8s)帮你去口癖、补标点、按当前 App 调语气。 - 关闭开关(追求 0.3s 极速直出):如果你用 豆包 SeedASR 2.0 或 百炼千问流式 识别本身已经很准,可以把这个开关关掉——此时日常语音输入松手 0.3s 秒出不再等二阶段,而
✍️ 帮写、🔍 问AI和✦ Jev 军师依然会自动调用你的 DeepSeek!
五、军师思考模式与流式上屏最佳设定
1. DeepSeek 跑 ✦ 军师 应该选 deepseek-chat 还是 deepseek-reasoner?
- 推荐直接选
deepseek-chat,并让「思考模式」保持自动 (AUTO)。 - 新版在军师场景下,会自动给
deepseek-chat注入"thinking": {"type": "enabled"}并启用 SSE 全链路流式上屏: - 既保留完整潜台词深度推演;
- 又能在推理完思考链后立刻先刷出 潜台词雷达,随后 逐张点亮并可提前点击 3 张策略卡,大幅减少白屏干等。
- 同时,当你在日常输入里复用 DeepSeek 做口语润色时,系统仍会自动关闭思考,保证打字不卡顿。
- 如果你想对军师单独指定更强或带视觉能力的模型,开启 「✦ Jev 军师专用模型」 即可(例如平时润色用
deepseek-chat,军师专用挂doubao-seed-2-1-pro-260915或qwen-vl-max-latest来识图看表情包)。
2. DeepSeek 军师需要开「附带聊天截图」吗?
- DeepSeek 官方接口为纯文本架构,新版在军师路由器至
deepseek-chat(且未配置 Gemini 视觉兜底)时,会自动跳过无意义的 720p 截屏与本地 OCR,直接基于无障碍抓取的聊天上下文秒发起请求。 - 若你开启了 豆包
doubao-seed-2-1-pro-260915、百炼qwen-vl-max-latest、硅基Qwen2.5-VL-72B或 Gemini 作为军师,且遇到了微信/QQ 等复杂自绘界面或需要看表情包,可保持截图开启以获得多模态视觉辅助。
六、常见配置排查(FAQ)
- 语音录入提示:「语音听写(一阶段 STT)尚未配置 API Key…」
- 说明你只配了 DeepSeek,还没有给一阶段配任何听音引擎(或当前一阶段还停留在未填 Key 的默认通道)。
- 解决:按第四章任意 B1 / B2 / B3 组合,在保险箱填好百炼、豆包或硅基流动的 Key 并在
👂 听音转写引擎中点选它即可。 - 用硅基流动时报错 HTTP 404 或提示模型不存在
- 检查是否误把
deepseek-chat填到了「👂 听音转写引擎」里,或反之把SenseVoiceSmall填到了二阶段里。 - 听音必须是
FunAudioLLM/SenseVoiceSmall等语音模型;二阶段必须是Qwen/...或deepseek-ai/...文本模型。 - 豆包流式连接报错 / 鉴权失败(
X-Api-Key/401) - 核对第 2 栏填的是 豆包语音控制台 的 Token(而非只开了方舟文本的 Key),以及确认在豆包语音控制台是否已经正式购买或领取了「流式语音识别大模型」免费额度(对应
volc.seedasr.sauc.duration)。 - 如何自己验证接口通不通、快不快?
- 在任意模型输入框右侧点击 「获取并测速(⚡)」,TypeFree 会实时拉取当前渠道可用模型并测出每款模型的真实首字延迟(
ms),看到绿色的毫秒数即代表网络与 Key 均完全打通。