Typ
Spezifikation
Preis
Synthese
pro 10.000 Zeichen
$0.14
StepAudio 3 TTS und Gemini 2.5 Pro TTS im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.
StepFun 
Google AudiogenerationStepAudio 3 TTS von StepFun und Gemini 2.5 Pro TTS von Google gehören beide zur Kategorie Audiogeneration und sind über die EmpirioLabs API verfügbar.
| Spezifikation | StepAudio 3 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| Modell-ID | stepaudio-3-tts | gemini-2-5-pro-tts |
| Autor | StepFun | |
| Veröffentlicht | 9. Sept. 2026 | 20. Mai 2025 |
| Max. Ausgabe | - | 19.661 Token |
| Eingabe | Text | Text |
| Ausgabe | Audio | Audio |
| Region | International | - |
| Endpoints | POST /v1/audio/speech POST /v1/audio/speech:stream | POST /v1/audio/speech |
| 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 | StepAudio 3 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| input | max. 1000 | string |
| voice | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... Standard: lively-girl | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Standard: Charon |
| instruction | max. 500 | - |
| speed | 0.5 bis 2 Standard: 1 | 0.25 bis 2 Standard: 1 |
| volume | 0.1 bis 2 Standard: 1 | - |
| language | en, zh, ja, ko, fr, es Standard: en | string Standard: en-US |
| response_format | mp3, wav, flac, opus, pcm Standard: mp3 | - |
| sample_rate | 8000, 16000, 22050, 24000 Standard: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 Standard: 24000 |
| markdown_filter | boolean Standard: false | - |
| pronunciation_map | string | - |
| mode | - | single, multi Standard: single |
| 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 |
| volume_gain | - | -96 bis 16 Standard: 0 |
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.
StepAudio 3 TTS erzeugt Sprache über POST /v1/audio/speech und liefert abspielbares Audio. Sende den zu sprechenden Text als input mit der Modell-ID stepaudio-3-tts. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf stepaudio-3-tts oder gemini-2-5-pro-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": "stepaudio-3-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3Prompt-Tests und Vergleichsläufe, die beide Modelle abdecken.
StepAudio 3 TTS ist die neuere Veröffentlichung (9. Sept. 2026); Gemini 2.5 Pro TTS erschien am 20. Mai 2025. Nur für StepAudio 3 TTS angegebene Fähigkeiten: contextual tts, voice control. Nur für Gemini 2.5 Pro TTS angegebene Fähigkeiten: multi speaker. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.
StepAudio 3 TTS ist die neuere Veröffentlichung (9. Sept. 2026); Gemini 2.5 Pro TTS erschien am 20. Mai 2025.
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.
