# DeepSeek API có gì mới: search, file và voice

> DeepSeek API mới đưa các khả năng vốn có trong DeepSeek App như search, đọc file, links, safety và voice vào ứng dụng riêng. Người làm sản phẩm có thể dùng chúng để xây chatbot, workflow tự động và AI agent nhiều ngữ cảnh hơn, nhưng vẫn cần thiết kế rõ quyền truy cập, kiểm chứng kết quả và chi phí vận hành.

- Tác giả: Ông T (https://ongt.vn/gioi-thieu)
- Chủ đề: AI & Agent
- Đăng: 2026-11-14 · Cập nhật: 2026-11-14
- URL: https://ongt.vn/bai-viet/deepseek-api-co-gi-moi-search-file-voice

Phải công nhận là DeepSeek API lần này có một hướng đi khá đáng chú ý: đem gần như full trải nghiệm của DeepSeek App ra cho developer xài.

Theo thông tin DeepSeek công bố, API mới hỗ trợ các nhóm khả năng như search, files, links, safety và voice. Ngoài việc bật built-in features bằng một vài parameters, developer còn có thể gọi standalone APIs cho OCR, ASR và TTS.

Nói nôm na là chatbot trong app riêng giờ không chỉ biết trả lời text nữa. Nó có thể tìm kiếm, đọc tài liệu, xử lý nội dung từ links, nhận diện giọng nói và phản hồi bằng giọng nói - tuỳ cách mình thiết kế workflow.

Nhưng đừng vội nghĩ cứ bật vài parameters lên là có ngay một con AI agent “cân cả thế giới” nha ae. Cái khó thật sự nằm ở chỗ chọn đúng khả năng cho đúng bài toán, kiểm soát dữ liệu, & không để agent cook quá tay :)))

## DeepSeek API có gì mới?

Câu trả lời ngắn là: DeepSeek đang mở các capability phía sau DeepSeek App để developer tích hợp vào sản phẩm của mình.

Trước đây, nhiều trải nghiệm AI bị chia thành từng mảnh khá rời rạc. Một API xử lý text, một service khác làm OCR, một bên chuyên speech-to-text, rồi developer phải tự nối lại bằng code, tự nghĩ cách truyền context và tự xử lý lỗi.

Thông tin mới của DeepSeek cho thấy họ muốn gom các mảnh quan trọng hơn vào một lớp API dễ gọi hơn. Có thể bật built-in features bằng parameters, hoặc gọi riêng các API như OCR, ASR và TTS khi cần.

### Search không còn chỉ là chatbot trả lời

Search giúp ứng dụng có thêm khả năng lấy thông tin từ bên ngoài thay vì chỉ dựa vào context mà người dùng đưa vào.

Với người làm sản phẩm, đây là khác biệt khá lớn. Một chatbot nội bộ có thể hỗ trợ tìm thông tin trong quy trình; một AI agent có thể dùng search như một bước trong workflow; còn một app hỏi đáp có thể tạo trải nghiệm gần với DeepSeek App hơn.

Tất nhiên, search không đồng nghĩa với “kết quả nào cũng đúng”. Agent vẫn có thể đọc nhầm, chọn nguồn không phù hợp hoặc diễn giải quá tự tin. Search chỉ mở thêm cửa lấy dữ liệu, còn phần kiểm tra và trình bày thông tin vẫn là việc của hệ thống mình xây.

### Files và links mở rộng context cho ứng dụng

Files và links giải quyết một nhu cầu rất đời thường: người dùng không muốn copy-paste cả đống nội dung vào ô chat.

Họ muốn đưa một file vào, gửi một link, rồi hỏi: “Tóm tắt giúp tui”, “Tìm đoạn liên quan đến điều khoản này”, hoặc “So sánh nội dung trong hai tài liệu”. Khi API hỗ trợ trực tiếp các loại input này, trải nghiệm sản phẩm có thể ngắn gọn hơn khá nhiều.

Cái đáng chú ý ở đây không chỉ là đọc được file. Quan trọng hơn là **file và links trở thành một phần của conversation context**. Từ đó, app có thể xây các luồng làm việc liên tục thay vì mỗi lần người dùng lại phải giải thích từ đầu.

> Người dùng không quan tâm phía sau có bao nhiêu API. Họ chỉ muốn quăng file vào, hỏi một câu, rồi nhận được câu trả lời dùng được.
>
> — Ông T

## OCR, ASR và TTS dùng vào việc gì?

Ba standalone APIs này biến DeepSeek API từ một công cụ xử lý text thành nền tảng có thể nhận và xuất nhiều dạng dữ liệu hơn.

OCR xử lý chữ trong hình ảnh hoặc tài liệu scan. ASR chuyển giọng nói thành text. TTS chuyển text thành giọng nói. Mỗi thứ nghe có vẻ quen, nhưng khi ghép vào workflow đúng chỗ thì trải nghiệm app có thể khác hẳn.

### OCR hợp với tài liệu khó copy

Một đống giấy tờ ngoài đời không nằm sẵn dưới dạng text sạch sẽ. Có thể là ảnh chụp màn hình, tài liệu scan, hoá đơn, biểu mẫu hoặc một trang PDF mà copy ra toàn ký tự rác.

OCR giúp biến phần chữ nhìn thấy trong hình thành dữ liệu mà model có thể tiếp tục xử lý. Ví dụ, app có thể nhận ảnh tài liệu, trích text, rồi mới tóm tắt hoặc tìm thông tin theo yêu cầu của người dùng.

Nhưng ae nhớ giùm một điểm: OCR không phải phép thuật. Ảnh mờ, bố cục phức tạp, chữ viết tay hoặc bảng biểu khó đọc vẫn có thể tạo ra kết quả sai. Nếu sản phẩm dùng OCR cho nghiệp vụ quan trọng, nên giữ lại ảnh gốc và cho người dùng kiểm tra phần text đã trích xuất.

### ASR giúp voice trở thành input thật

ASR - automatic speech recognition - phù hợp với những lúc người dùng không muốn gõ.

Một app ghi chú có thể nhận voice note rồi chuyển thành text. Một workflow chăm sóc khách hàng có thể bắt đầu từ file ghi âm. Một AI assistant có thể nhận câu hỏi bằng giọng nói thay vì bắt người dùng chui zô cái ô text bé tí.

Điểm hay là ASR có thể đứng độc lập. Mình không nhất thiết phải xây nguyên một voice assistant hoàn chỉnh ngay từ đầu. Chỉ cần dùng nó ở một bước nhỏ, chẳng hạn chuyển audio thành text trước khi đưa qua bước phân tích, là đã có thêm một workflow mới.

### TTS làm đầu ra bớt khô

TTS cho phép app đọc câu trả lời bằng giọng nói. Nó hợp với trợ lý cá nhân, ứng dụng học tập, công cụ đọc nội dung hoặc các tình huống người dùng đang bận tay.

Tuy nhiên, voice output không phải lúc nào cũng làm sản phẩm tốt hơn. Có những tác vụ cần đọc nhanh, rõ và ngắn; có những tác vụ mà một đoạn text có cấu trúc lại dễ kiểm tra hơn nhiều.

Nên câu hỏi không phải “có voice thì xịn hơn không?”, mà là “ở bước nào voice giúp người dùng đỡ mệt hơn?”. Nếu câu trả lời là không có, thêm voice vào chỉ làm hệ thống tốn công và tốn tiền hơn thôi :)))

```compare
# Chọn cách tích hợp phù hợp
= Built-in features | Standalone APIs
- Mục tiêu | Tạo trải nghiệm gần với DeepSeek App | Ghép từng capability vào workflow riêng
- Cách dùng | Bật bằng parameters | Gọi OCR, ASR hoặc TTS theo từng bước
- Độ linh hoạt | Nhanh để thử nghiệm | Dễ kiểm soát pipeline hơn
- Phù hợp | Prototype và chat app | Sản phẩm có quy trình nghiệp vụ cụ thể
```

## Người làm sản phẩm có thể xây gì?

Cơ hội lớn nhất không nằm ở việc làm một chatbot biết thêm vài trò, mà ở việc nối các capability thành một quy trình hoàn chỉnh.

Một app tốt không chỉ trả lời. Nó nhận input đúng dạng, lấy thêm context khi cần, xử lý dữ liệu, rồi trả kết quả ở định dạng người dùng có thể dùng tiếp.

### Trợ lý đọc và hỏi đáp tài liệu

Đây là use case dễ thấy nhất: người dùng tải file hoặc gửi link, sau đó hỏi về nội dung bên trong.

Ví dụ, một nhóm nhỏ có thể xây công cụ đọc tài liệu nội bộ, tóm tắt meeting notes, tìm điều khoản trong tài liệu hoặc tạo danh sách việc cần làm. DeepSeek API cung cấp phần capability; còn developer phải quyết định file nào được phép đọc, kết quả nào cần trích dẫn và người dùng có quyền xem nội dung nào.

Đừng làm kiểu “đưa toàn bộ kho tài liệu vào cho model tự xử” rồi cầu nguyện. Với sản phẩm thật, quyền truy cập và cách phân loại tài liệu quan trọng không kém prompt.

### Workflow tự động hoá từ voice note

Một workflow khá thực tế là: nhận audio, dùng ASR để chuyển thành text, dùng model phân tích, rồi xuất ra summary hoặc task list.

Cách này hợp với sales, support, nghiên cứu người dùng hoặc bất kỳ ai thường xuyên nói nhanh hơn gõ. Một voice note dài có thể được biến thành vài ý chính, các vấn đề cần follow-up và những việc cần giao cho từng người.

Nhưng nên để người dùng xem lại trước khi hệ thống tự gửi email, cập nhật CRM hay tạo task. ASR có thể nghe nhầm tên riêng, con số và thuật ngữ. Agent mà nghe nhầm “không xử lý” thành “xử lý” thì pipeline chạy nhanh như xé gió… chạy thẳng xuống hố :)))

### App tìm kiếm và tổng hợp thông tin

Search, links và khả năng phân tích của model có thể tạo thành một app chuyên tổng hợp thông tin theo câu hỏi cụ thể.

Ví dụ, người dùng đưa một chủ đề, app tìm các links liên quan, tóm tắt thành những điểm chính và chỉ ra phần nào còn chưa chắc chắn. Đây là hướng có ích cho research, theo dõi thị trường hoặc chuẩn bị nội dung.

Phần khó là phân biệt “tìm được thông tin” với “có thể dùng thông tin đó để kết luận”. Sản phẩm nên hiển thị nguồn hoặc ít nhất cho người dùng biết phần nào đến từ dữ liệu lấy được, phần nào là phần model suy luận.

## Thiết kế agent thế nào để đỡ lỗi?

Nên xem DeepSeek API như một bộ capability, không phải một cục magic button.

Khi xây agent, mình cần chia bài toán thành các bước rõ ràng: nhận input, xác định mục tiêu, lấy dữ liệu, xử lý, kiểm tra và trả kết quả. Càng nhiều capability được bật cùng lúc, càng cần giới hạn quyền và định nghĩa đầu ra cụ thể.

### Đừng bật mọi thứ ngay từ đầu

Một lỗi khá phổ biến là thấy API có search, files, links và voice thì bật hết cho “full option”. Kết quả là agent có quá nhiều đường để đi, khó debug, khó đo chất lượng và chưa chắc người dùng thấy tiện hơn.

Prototype nên bắt đầu bằng một capability chính. Chẳng hạn, nếu sản phẩm là công cụ đọc tài liệu thì tập trung vào files và câu trả lời có cấu trúc. Khi luồng đó ổn rồi mới thêm links hoặc voice.

Đây cũng là cách tiết kiệm token và công sức vận hành. Mấy thầy thích build “all-in-one” ngay sprint đầu chắc sẽ ghét mình lắm, nhưng thật ra product nhỏ mà rõ bài toán thường sống dai hơn :))

### Luôn có bước kiểm tra trước hành động

Nếu agent chỉ trả lời, sai thì người dùng còn có thể đọc lại. Nếu agent được quyền tạo task, gửi thông báo hoặc thay đổi dữ liệu, sai một phát là thành incident.

Vì vậy, những hành động có tác động ra bên ngoài nên có bước review, giới hạn quyền hoặc yêu cầu xác nhận. Với dữ liệu được trích từ OCR, ASR hay search, càng nên giữ lại nguồn đầu vào để đối chiếu.

Một agent tốt không phải agent tự làm tất cả. Nó là agent biết khi nào nên làm, khi nào nên hỏi lại và khi nào nên nói “chưa đủ dữ liệu”.

> Capability càng nhiều thì trách nhiệm thiết kế càng lớn. Thêm search, file và voice không làm workflow tự nhiên thông minh lên; nó chỉ cho workflow thêm nhiều cách để đúng hoặc sai.
>
> — Ông T

### Đo chất lượng bằng task thật

Đừng chỉ test bằng vài câu hỏi đẹp đẽ do chính team viết ra. Hãy lấy những file thật, audio thật và links thật mà người dùng thường gặp.

Cần xem model có đọc đúng không, có bỏ sót thông tin không, có nhận nhầm giọng nói không, có tóm tắt quá đà không. Với voice, nên kiểm tra đặc biệt tên riêng, con số, từ viết tắt và các câu phủ định.

Chưa cần benchmark gì hoành tráng. Một bộ test nhỏ nhưng bám đúng công việc hằng ngày thường có giá trị hơn một bảng điểm nhìn rất oách nhưng không liên quan tới user.

```steps
# Cách bắt đầu một workflow mới
- Chọn một input | Xác định app nhận text, file, link hay audio
- Chọn một capability | Chỉ dùng search, OCR, ASR hoặc TTS cho bản đầu
- Định nghĩa output | Yêu cầu kết quả có format rõ, dễ kiểm tra
- Thêm bước review | Cho người dùng xác nhận trước hành động quan trọng
- Test dữ liệu thật | Dùng file, voice note và links gần với thực tế
```

## Những sai lầm dễ gặp khi tích hợp

Sai lầm lớn nhất là nghĩ phần API đã giải quyết xong phần sản phẩm.

DeepSeek có thể cung cấp capability để mình xây trải nghiệm gần với app của họ, nhưng từ đó tới một sản phẩm đáng tin vẫn còn nhiều đoạn phải tự làm: UX, permission, logging, kiểm tra kết quả, xử lý lỗi và chi phí.

### Nhầm khả năng đọc với khả năng hiểu đúng

Model đọc được file không có nghĩa là nó hiểu đúng mọi bảng, chú thích hay quan hệ giữa các phần trong tài liệu.

Nếu app phục vụ công việc quan trọng, nên thiết kế câu trả lời có phần trích dẫn, chỉ ra vị trí thông tin hoặc cho phép mở lại input gốc. Người dùng cần cách kiểm tra, chứ không chỉ cần một đoạn văn nghe rất tự tin.

### Cho agent quá nhiều quyền

Search, files, links và voice đều có thể tạo thêm dữ liệu đầu vào. Nhưng agent không nên mặc định được truy cập mọi thứ hoặc tự động hành động sau khi phân tích.

Permission cần đi theo người dùng và theo từng loại dữ liệu. File riêng tư, link nội bộ, audio cuộc họp và nội dung public không nên được đối xử giống nhau.

### Quên tính trải nghiệm khi có lỗi

Một API có thể thất bại, file có thể không đọc được, audio có thể quá nhiễu, link có thể không truy cập được. Nếu UI chỉ hiện một câu lỗi kỹ thuật thì người dùng sẽ chẳng biết phải làm gì tiếp theo.

Nên nói rõ lỗi nằm ở đâu và gợi ý đường lui: thử file khác, nhập text, nói lại câu hỏi hoặc tiếp tục với phần dữ liệu đã đọc được. UX tốt không phải lúc nào cũng là “không bao giờ lỗi”; đôi khi là lỗi nhưng người dùng vẫn biết cách đi tiếp.

```checklist
- Xác định dữ liệu nào được phép gửi vào API
- Giữ lại input gốc để người dùng kiểm tra
- Có fallback khi OCR, ASR, search hoặc links không xử lý được
- Giới hạn quyền hành động của agent
- Yêu cầu xác nhận trước các thao tác có tác động bên ngoài
- Test với dữ liệu thật thay vì chỉ test câu hỏi mẫu
```

## DeepSeek API mới đáng thử tới đâu?

Đáng thử, đặc biệt nếu sản phẩm của ae đang bị kẹt ở đoạn input và context.

Search, files, links, OCR, ASR và TTS mở ra nhiều workflow mà trước đây phải tự nối từ nhiều dịch vụ hoặc bỏ qua vì quá tốn công. Việc DeepSeek cho phép bật built-in features bằng parameters cũng giúp team thử nghiệm nhanh hơn, còn standalone APIs phù hợp khi muốn kiểm soát từng bước.

Tuy nhiên, đây mới là phần mở đầu của bài toán. Giá trị cuối cùng không nằm ở danh sách capability, mà nằm ở việc mình biến chúng thành một trải nghiệm có ích: người dùng đưa dữ liệu vào dễ dàng, nhận kết quả rõ ràng, biết kết quả đến từ đâu và có thể sửa khi model hiểu sai.

DeepSeek cũng cho biết có open-source frontend demo để developer tham khảo và tái tạo trải nghiệm DeepSeek App trong ứng dụng riêng. Đây là điểm khá thực dụng cho team muốn nhìn nhanh cách một giao diện đầy đủ có thể được tổ chức, nhưng vẫn nên xem demo như điểm xuất phát, không phải công thức bê nguyên về là chạy.

Nếu phải chọn cách bắt đầu, mình sẽ chọn một workflow rất hẹp: **một loại input, một việc cần làm, một dạng output**. Làm cho nó chạy ổn với dữ liệu thật rồi mới mở rộng sang voice, search hay nhiều loại file hơn.

Thực ra AI app không thiếu capability. Thứ thiếu thường là một workflow đủ rõ để user dùng mỗi ngày.

Ps. DeepSeek API giờ có vẻ đang muốn biến “quăng dữ liệu vào rồi hỏi” thành nền móng cho nhiều app hơn. Còn app có thành công hay không thì vẫn phụ thuộc kha khá vào người build - và khả năng không để agent tự tin quá mức :)))

## Câu hỏi thường gặp

### DeepSeek API mới hỗ trợ những khả năng nào?

Theo tư liệu công bố, API hỗ trợ search, files, links, safety và voice. Ngoài ra có thể gọi standalone APIs như OCR, ASR và TTS để xử lý hình ảnh, giọng nói đầu vào và giọng nói đầu ra.

### Built-in features và standalone APIs khác nhau thế nào?

Built-in features được bật thông qua parameters để tạo trải nghiệm tích hợp nhanh hơn. Standalone APIs như OCR, ASR và TTS cho phép developer ghép từng khả năng vào workflow riêng, phù hợp khi cần kiểm soát từng bước.

### Có thể dùng DeepSeek API để xây AI agent không?

Có thể dùng các capability này làm thành phần cho AI agent, chẳng hạn search để lấy thêm thông tin, files để đọc tài liệu và ASR để nhận voice note. Tuy nhiên agent vẫn cần permission, bước kiểm tra và giới hạn hành động do developer thiết kế.

### OCR và ASR có cần người dùng kiểm tra lại không?

Nên có, nhất là với tài liệu mờ, bảng biểu, tên riêng, con số hoặc audio nhiều tạp âm. Kết quả trích xuất nên được xem là dữ liệu đầu vào cần kiểm chứng trước khi dùng cho quyết định hay hành động tự động.

### Nên bắt đầu tích hợp DeepSeek API từ đâu?

Hãy chọn một workflow hẹp với một loại input và một dạng output. Test bằng dữ liệu thật, thêm fallback khi xử lý lỗi, rồi mới mở rộng sang search, voice hoặc nhiều loại file hơn.
