Typ
Spezifikation
Preis
Eingabe
pro 1M Prompt-Token
$2.60
Ausgabe
pro 1 Million generierter Token
$46.80
Gemini 3.8 Flash TTS und StepAudio 3 TTS im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.
Google 
StepFun AudiogenerationGemini 3.8 Flash TTS von Google und StepAudio 3 TTS von StepFun gehören beide zur Kategorie Audiogeneration und sind über die EmpirioLabs API verfügbar.
| Spezifikation | Gemini 3.8 Flash TTS | StepAudio 3 TTS |
|---|---|---|
| Modell-ID | gemini-3-8-flash-tts | stepaudio-3-tts |
| Autor | StepFun | |
| Veröffentlicht | 22. Sept. 2026 | 9. Sept. 2026 |
| Eingabe | Text | Text |
| Ausgabe | Audio | Audio |
| Region | - | International |
| Endpoints | POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices | POST /v1/audio/speech POST /v1/audio/speech:stream |
| Fähigkeiten |
Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.
Anfrageparameter, die jedes Modell auf EmpirioLabs angibt, mit den zulässigen Werten oder dem Bereich, wo einer gilt. Ein Strich markiert einen Parameter, den das Modell nicht angibt.
| Parameter | Gemini 3.8 Flash TTS | StepAudio 3 TTS |
|---|---|---|
| input | max. 5000 | max. 1000 |
| mode | single, multi Standard: single | - |
| language | string | en, zh, ja, ko, fr, es Standard: en |
| voice | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Standard: Charon | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... Standard: lively-girl |
| voice_audio_url | string | - |
| voice_consent_audio_url | string | - |
| voice2 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Standard: Kore | - |
| speaker1_name | string Standard: Speaker1 | - |
| speaker2_name | string Standard: Speaker2 | - |
| output_format | WAV, MP3, OGG, ALAW, MULAW Standard: WAV | - |
| speed | 0.25 bis 2 Standard: 1 | 0.5 bis 2 Standard: 1 |
| volume_gain | -96 bis 16 Standard: 0 | - |
| sample_rate | 8000, 16000, 22050, 24000, 44100, 48000 Standard: 24000 | 8000, 16000, 22050, 24000 Standard: 24000 |
| style_prompt | string | - |
| instruction | - | max. 500 |
| volume | - | 0.1 bis 2 Standard: 1 |
<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>Die maximale Eingabe beträgt 1.000 Zeichen. Inhalte in Klammern werden als Lieferrichtung behandelt und nicht gesprochen. Verwenden Sie die Anleitung für globale Emotions- oder Stilorientierung, bis zu 500 Zeichen. Zwölf Systemstimmen sind verfügbar. Anerkannte Sprachen sind Chinesisch, Englisch, Japanisch, Koreanisch, Französisch und Spanisch, mit anderen Sprachen als Chinesisch und Englisch in der Vorschau. Ausgabeformate sind mp3, wav, flac, opus und pcm bei 8000, 16000, 22050 oder 24000 Hz. Wav wird als vollständige Datei zurückgegeben und nicht gestreamt. Dieses Modell unterstützt voice_label nicht.
Gemini 3.8 Flash TTS erzeugt Sprache über POST /v1/audio/speech und liefert abspielbares Audio. Sende den zu sprechenden Text als input mit der Modell-ID gemini-3-8-flash-tts. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf gemini-3-8-flash-tts oder stepaudio-3-tts. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3-8-flash-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3Prompt-Tests und Vergleichsläufe, die beide Modelle abdecken.
Gemini 3.8 Flash TTS ist die neuere Veröffentlichung (22. Sept. 2026); StepAudio 3 TTS erschien am 9. Sept. 2026. Nur für Gemini 3.8 Flash TTS angegebene Fähigkeiten: multi speaker, voice tags, streaming, voice cloning. Nur für StepAudio 3 TTS angegebene Fähigkeiten: contextual tts. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.
Gemini 3.8 Flash TTS ist die neuere Veröffentlichung (22. Sept. 2026); StepAudio 3 TTS erschien am 9. Sept. 2026.
Die beiden Modelle werden nach unterschiedlichen Einheiten oder Stufen abgerechnet. Vergleiche daher die Live-Preistabellen auf dieser Seite. Sie entsprechen immer dem, was die API berechnet.
Ja. Beide Modelle nutzen POST /v1/audio/speech mit demselben EmpirioLabs API-Schlüssel, die meisten Integrationen wechseln also durch Ändern des model Werts. Prüfe zuerst die Parametertabelle auf dieser Seite, wenn du dich auf einen modellspezifischen Parameter verlässt.
Ja. Öffne jedes Modell im EmpirioLabs Playground und führe denselben Prompt auf beiden aus, mit den Parametern, die die API bereitstellt.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
