使用 Whisper API 通过设备麦克风把语音转录为文本
腾讯云DeepSeek API对接微信小程序完全指南
2025-04-08
1. 开发环境准备
在开始开发微信小程序与腾讯云DeepSeek API的对接之前，我们需要做好必要的环境准备工作。本章将指导你完成开发环境的搭建，包括安装最新版本的微信开发者工具（IDE），配置小程序的基本信息，如果你习惯于wxml语法的开发，本教程中也会有关于
腾讯云AI代码助手插件的安装，需要注意的是本教程对于
腾讯云AI代码助手插件仅停留在安装的这一步骤，因为我还是习惯于uniapp的使用。让我们按照以下步骤，一步步完成开发环境的准备工作。
系统架构
1.1 微信开发者工具安装
❝注意：第一次使用微信开发者工具时，第一步并不是下载微信开发者工具哦! 而是前往小程序后台, 进行注册并完成小程序开发者认证,这一内容本篇不会详细讲解。关于：微信开发者工具，我们需要点链接选择符合自己电脑版本的ide进行下载。
下载完成之后按照提示进行安装即可。
当开发工具安装完成之后，我们首先创建一个空的项目模板如下图所示。
1.2 腾讯云AI代码助手配置
❝腾讯云AI代码助手现已完全集成到微信开发者工具中，配置过程变得更加简便。具体步骤如下：
如上图所示三步帮你安装腾讯云AI代码助手点击图中所示的
1(扩展)。在
2(输入框)中输入
腾讯云即可点击
3（安装），等待安装完成之后我们就可以体验啦如下所示，腾讯AI代码助手目前已整合了
tencent-deepseek R1模型。开发者可以尽情的体验
tencent-deepseek R1模型带来的便捷开发体验了喽~~
1.3 文案生成流程
2. 小程序界面设计
❝温馨提示：由于本人习惯于uniapp 项目的开发因此本项目使用的是uniapp来打包运行我们的小程序项目UI界面如下图所示：
2.1 搭建基础UI界面
我们的UI界面设计简洁，主要包含以下四个核心组件：
- 关键词输入区：用户通过输入关键词，来决定接下来文案的主要风格。
- 类型选择区：用户通过选择
公众号，
小红书等类型，来决定文案生成的类型。
- 结果展示区：用于展示腾讯云DeepSeek API返回的结果。
运行效果图如下
3. 腾讯云DeepSeek API集成
下面是腾讯云DeepSeek API最新计费标准，注意自己的token使用哦！
❝📢 腾讯云DeepSeek API 最新计费标准🕒 生效时间：2025年2月26日 0时起 DeepSeek 模型价格表[表格]📚 详细文档： 腾讯云DeepSeek API调用指南
3.1 API接入配置
关于 DeepSeek API 接口的相关文档可以点击链接进行查看，接下来我们将逐步实现如何配置腾讯云DeepSeek为我们接下来的开发作准备。
创建API KEY
API 使用前提是需要用于一个API KEY，访问地址： (https://console.cloud.tencent.com/lkeap/api) 来创建我们的API KEY 如下图所示，点击按钮
创建API KEY即可，点击查看时可以看到已经创建的
API KEY
编写py代码进行本地请求我这里用的是
Flask框架，为我们小程序调用DeepSeek API提供接口服务，代码如下：
import os
import logging
from flask import Flask, request, jsonify
from flask_cors import CORS
from openai import OpenAI
from typing import Dict, Any
# 初始化Flask应用
app = Flask(__name__)
CORS(app) # 启用跨域支持
# 配置日志记录
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
# 环境变量配置
OPENAI_CONFIG = {
"api_key": os.getenv("OPENAI_API_KEY", "sk-pXLyNnk8bdl8zkmFkBIi7KBRiaLTATlmGsr8QfTwek7Zawfk"),
"base_url": os.getenv("OPENAI_BASE_URL", "https://api.lkeap.cloud.tencent.com/v1")
}
# 初始化OpenAI客户端
client = OpenAI(**OPENAI_CONFIG)
def validate_request(data: Dict[str, Any]) -> tuple:
"""请求参数验证"""
if not data.get('content'):
logger.warning("Missing content parameter")
return False, "Content parameter is required"
if len(data['content']) > 1000:
logger.warning("Content length exceeds limit")
return False, "Content exceeds maximum length of 1000 characters"
return True, ""
def process_stream_response(stream) -> dict:
"""处理流式响应数据"""
result = {"reasoning_content": "", "answer_content": ""}
for chunk in stream:
if not chunk.choices:
continue
delta = chunk.choices[0].delta
# 使用getattr安全获取属性
if reasoning := getattr(delta, 'reasoningcontent', None):
result["reasoning_content"] += reasoning
if content := getattr(delta, 'content', None):
result["answer_content"] += content
return result
@app.route('/deepseekapi', methods=['POST'])
def generate_content():
"""
处理生成请求
---
parameters:
- name: body
in: body
required: true
schema:
type: object
properties:
content:
type: string
responses:
200:
description: 生成结果
400:
description: 无效请求
500:
description: 服务器错误
"""
# 请求验证
data = request.get_json()
print(data)
is_valid, message = validate_request(data)
if not is_valid:
return jsonify({"error": message}), 400
try:
# 创建流式请求
stream = client.chat.completions.create(
model="deepseek-r1",
messages=[{"role": "user", "content": data['content']}],
stream=True,
temperature=0.7, # 添加生成参数
max_tokens=1000
)
# 处理流式响应
processed_data = process_stream_response(stream)
# 结果后处理
processed_data["answer_content"] = processed_data["answer_content"].strip()
return jsonify(processed_data)
except Exception as e:
logger.error(f"API请求失败: {str(e)}", exc_info=True)
return jsonify({"error": "服务暂时不可用，请稍后再试"}), 500
if __name__ == "__main__":
app.run(
host=os.getenv("FLASK_HOST", "0.0.0.0"),
port=int(os.getenv("FLASK_PORT", 5001)),
debug=os.getenv("FLASK_DEBUG", "false").lower() == "true"
)验证我们的
Flask框架暴露出来的请求信息如下：
curl --location --request POST 'http://192.168.31.134:5001/deepseekapi'
--header 'User-Agent: Apifox/1.0.0 (https://apifox.com)'
--header 'Content-Type: application/json'
--header 'Accept: */*'
--header 'Host: 192.168.31.134:5001'
--header 'Connection: keep-alive'
--data-raw '{ content: "请根据以下内容生成500字小红书种草文案：↵关键词：三亚,海边,游泳,拍照↵"}'我们通过postman来测试其连通性，如下图所示运行服务
postman 数据返回
postman 接口配置示例
我们输入的
content内容是：
请根据以下内容生成500字小红书种草文案：↵关键词：三亚,海边,游泳,拍照↵发送请求查看结果。此时我们的DeepSeek接口的本地调用就已经完成了。整体来说整个过程还是蛮丝滑的，接下来我们分析一下如何实现小程序的对接。
4. 小程序代码实现
ui 代码层
<!--
-->
tip:
关于注释地方会在最下面的附录项进行讲解说明
接口调用方法
startGenerate() {
// 1. 判断用户是否上传图片或输入关键词
if (!this.textArea) {
uni.showToast({
title: "请输入关键词",
icon: "none",
});
return;
}
// 2. 配置prompt提示词
let prompt = 请根据以下内容生成500字${this.typeText}文案：n;
// 添加关键词内容
if (this.textArea) {
prompt += 关键词：${this.textArea}n;
}
// 添加图片信息
// if (this.fileList.length > 0) {
// prompt += ${this.fileList[0].url}n;
// }
// 3. 设置加载状态
this.loading = true;
// 4. 接口调用
request({
url: "/deepseekapi",
method: "POST",
data: {
content: prompt,
},
})
.then((res) => {
console.log("生成成功:", res);
this.loading = false;
this.resultText =
res.answer_content || "文案生成失败,请稍后重试...";
})
.catch((err) => {
console.error("生成失败:", err);
this.loading = false;
});
},此处我们主要实现的事对于提示词的拼接，然后进行接口的调用， 需要注意的是，我进行的提示词拼接可能并不是最完美的，具体应用到业务层时还需要微调哦！！
效果演示如下图所示:
附录
该小程序其实最初的设计是有个图片识别功能，通过识别图片来生成对应的文案，但是目前如果仅使用
腾讯云DeepSeek API是无法实现该功能的，需要结合
大模型知识引擎中的 (https://cloud.tencent.com/document/product/1759/107908) 的接口，通过识别图片内容之后再次调用
腾讯云DeepSeek API来获取对应的文案。
总结
通过本教程，开发者可以快速搭建一个基于腾讯云DeepSeek API的文案生成小程序，为内容创作提供AI助手支持。后续还可以扩展更多功能，如图片识别等高级特性，进一步提升应用的实用性。
uniapp源码访问地址 ： (https://gitcode.com/qq_33681891/txDeepseek)
同话题下的热门内容
内容关键字