النوع
المواصفة
السعر
التركيب
لكل 10,000 حرف
$0.14
StepAudio 3 TTS وGemini 2.5 Pro TTS جنبًا إلى جنب: المواصفات والقدرات والمعلمات والأسعار المباشرة من كتالوج EmpirioLabs.
StepFun 
Google توليد الصوتStepAudio 3 TTS من StepFun وGemini 2.5 Pro TTS من Google كلاهما ضمن فئة توليد الصوت، ومتاحان عبر واجهة EmpirioLabs API.
| المواصفة | StepAudio 3 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| معرّف النموذج | stepaudio-3-tts | gemini-2-5-pro-tts |
| المطور | StepFun | |
| تاريخ الإصدار | 9 سبتمبر 2026 | 20 مايو 2025 |
| أقصى إخراج | - | 19,661 رمز |
| الإدخال | نص | نص |
| الإخراج | صوت | صوت |
| المنطقة | International | - |
| نقاط النهاية | POST /v1/audio/speech POST /v1/audio/speech:stream | POST /v1/audio/speech |
| القدرات |
أسعار مباشرة من كتالوج EmpirioLabs لكلا النموذجين. كل جدول أسعار يطابق دائمًا ما تحتسبه الواجهة.
معلمات الطلب المدرجة لكل نموذج على EmpirioLabs، مع القيم المسموح بها أو النطاق حيثما ينطبق. تشير الشرطة إلى معلمة غير مدرجة للنموذج.
| المعامل | StepAudio 3 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| input | الحد الأقصى 1000 | string |
| voice | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... الافتراضي: lively-girl | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... الافتراضي: Charon |
| instruction | الحد الأقصى 500 | - |
| speed | 0.5 إلى 2 الافتراضي: 1 | 0.25 إلى 2 الافتراضي: 1 |
| volume | 0.1 إلى 2 الافتراضي: 1 | - |
| language | en, zh, ja, ko, fr, es الافتراضي: en | string الافتراضي: en-US |
| response_format | mp3, wav, flac, opus, pcm الافتراضي: mp3 | - |
| sample_rate | 8000, 16000, 22050, 24000 الافتراضي: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 الافتراضي: 24000 |
| markdown_filter | boolean الافتراضي: false | - |
| pronunciation_map | string | - |
| mode | - | single, multi الافتراضي: single |
| voice2 | - | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... الافتراضي: Kore |
| speaker1_name | - | string الافتراضي: Speaker1 |
| speaker2_name | - | string الافتراضي: Speaker2 |
| output_format | - | WAV, MP3, OGG, ALAW, MULAW الافتراضي: WAV |
| volume_gain | - | -96 إلى 16 الافتراضي: 0 |
الحد الأقصى للمدخلات هو 1,000 حرف. المحتوى بين قوسين يعامل كاتجاه تسليم ولا يتحدث بقوة. استخدم التعليمات لتوجيه المشاعر أو الأسلوب العام، حتى 500 حرف. يتوفر اثنا عشر صوتا نظاميا. اللغات المعترف بها هي الصينية، الإنجليزية، اليابانية، الكورية، الفرنسية، والإسبانية، مع لغات غير الصينية والإنجليزية في المعاينة. صيغ الإخراج هي mp3، wav، flac، opus، وpcm عند 8000، 16000، 22050، أو 24000 هرتز. يتم إرجاع Wav كملف كامل بدلا من البث. هذا النموذج لا يدعم voice_label.
يولّد StepAudio 3 TTS الكلام عبر POST /v1/audio/speech ويعيد صوتًا قابلًا للتشغيل. أرسل النص المطلوب نطقه في input مع معرّف النموذج stepaudio-3-tts. يُستدعى النموذجان عبر نقطة النهاية نفسها. اضبط model على stepaudio-3-tts أو gemini-2-5-pro-tts. احصل على مفتاح API من لوحة تحكم EmpirioLabs.
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "stepaudio-3-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3اختبارات مطالبات ومقارنات تغطي كلا النموذجين.
StepAudio 3 TTS هو الإصدار الأحدث (9 سبتمبر 2026)؛ أما Gemini 2.5 Pro TTS فصدر في 20 مايو 2025. قدرات مذكورة لـ StepAudio 3 TTS فقط: contextual tts, voice control. قدرات مذكورة لـ Gemini 2.5 Pro TTS فقط: multi speaker. المواصفات وجداول الأسعار والمعلمات في هذه الصفحة مصدرها كتالوج EmpirioLabs المباشر.
StepAudio 3 TTS هو الإصدار الأحدث (9 سبتمبر 2026)؛ أما Gemini 2.5 Pro TTS فصدر في 20 مايو 2025.
يُسعَّر النموذجان بوحدات أو مستويات مختلفة، لذا قارن جداول الأسعار المباشرة في هذه الصفحة. وهي تطابق دائمًا ما تحتسبه الواجهة.
نعم. يستخدم النموذجان POST /v1/audio/speech بمفتاح EmpirioLabs API نفسه، لذا يكفي في معظم التكاملات تغيير قيمة model للتبديل. راجع أولًا جدول المعلمات في هذه الصفحة إذا كنت تعتمد على معلمة خاصة بنموذج معين.
نعم. افتح كل نموذج في ملعب EmpirioLabs وشغّل المطالبة نفسها على الاثنين، بالمعلمات التي توفرها الواجهة.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.
