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)?

  1. 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;
  2. 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;
  3. 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 + DeepSeek2 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 + DeepSeek2 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 + DeepSeek2 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

  1. 在 硅基流动控制台 创建 API Key(sk-...)。
  2. 打开 TypeFree 「API 配置 → 1. 服务商凭证保险箱」,点选 「硅基流动」 瓷砖。
  3. 粘贴 sk-... Key,点击下方 「🚀 一键设为当前主力方案」:
  4. 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)。
  5. 二阶段 LLM:自动配好 Qwen/Qwen2.5-7B-Instruct。
  6. 进阶优化军师效果:
  7. 在下方展开 「✦ Jev 军师专用模型(高情商/多模态独立路由)」 开关;
  8. 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);
  9. 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。

  1. 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-...)。
  2. 在 TypeFree 「1. 服务商凭证保险箱」 点选 「阿里云百炼」,填入 sk-... Key。
  3. 点击 「🚀 一键设为当前主力方案」:
  4. 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)。
  5. 二阶段 LLM:自动使用 qwen-turbo-latest(极速关思考)。
  6. 进阶优化军师效果:
  7. 打开 「✦ Jev 军师专用模型」 → 选 「阿里云百炼」;
  8. 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:

  1. 获取火山语音(👂 听音,SeedASR 2.0 流式)凭证:
  2. 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 1.0 volc.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)。
  3. 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。
  4. 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。
  5. 获取火山方舟(🧠 润色与军师)凭证:
  6. 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)。
  7. 点击 「🚀 一键设为当前主力方案」:
  8. 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;
  9. 二阶段 LLM:默认使用 doubao-seed-2-1-lite-260915 关思考极速润色。
  10. 进阶优化军师效果:
  11. 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)

  1. 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;
  2. 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

组合 B2:火山豆包(SeedASR 2.0 流式听音)+ DeepSeek 大脑(✨ 极力推荐)

组合 B3:硅基流动(免费 SenseVoice 整包听音)+ DeepSeek 大脑


⚡ 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:


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?

2. DeepSeek 军师需要开「附带聊天截图」吗?


六、常见配置排查(FAQ)

  1. 语音录入提示:「语音听写(一阶段 STT)尚未配置 API Key…」
  2. 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)。
  3. 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。
  4. 用硅基流动时报错 HTTP 404 或提示模型不存在
  5. 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。
  6. 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。
  7. 豆包流式连接报错 / 鉴权失败(X-Api-Key / 401)
  8. 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)。
  9. 如何自己验证接口通不通、快不快?
  10. 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。