Typ
Spezifikation
Preis
Synthese
pro 10.000 Zeichen
$0.14
StepAudio 3 TTS und Qwen Audio 3.0 TTS im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.
StepFun 
Alibaba Cloud AudiogenerationStepAudio 3 TTS von StepFun und Qwen Audio 3.0 TTS von Alibaba Cloud gehören beide zur Kategorie Audiogeneration und sind über die EmpirioLabs API verfügbar.
| Spezifikation | StepAudio 3 TTS | Qwen Audio 3.0 TTS |
|---|---|---|
| Modell-ID | stepaudio-3-tts | qwen-audio-3-0-tts |
| Autor | StepFun | Alibaba Cloud |
| Veröffentlicht | 9. Sept. 2026 | 20. Juli 2026 |
| Eingabe | Text | Text |
| Ausgabe | Audio | Audio |
| Region | International | Singapore |
| Endpoints | POST /v1/audio/speech POST /v1/audio/speech:stream | POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices |
| 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 | Qwen Audio 3.0 TTS |
|---|---|---|
| input | max. 1000 | max. 20000 |
| voice | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... Standard: lively-girl | loongjameszhao, loongolivialin, loonglunawang, loongnorahu, l... Standard: loongjameszhao |
| instruction | max. 500 | max. 128 |
| speed | 0.5 bis 2 Standard: 1 | 0.5 bis 2 Standard: 1 |
| volume | 0.1 bis 2 Standard: 1 | 0 bis 100 Standard: 50 |
| language | en, zh, ja, ko, fr, es Standard: en | - |
| response_format | mp3, wav, flac, opus, pcm Standard: mp3 | mp3, wav, pcm, opus 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 | - |
| model_tier | - | plus, flash Standard: plus |
| voice_audio_url | - | string |
| voice_id | - | string |
| pitch | - | 0.5 bis 2 Standard: 1 |
| language_hints | - | zh, en |
| seed | - | 0 bis 65535 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 qwen-audio-3-0-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); Qwen Audio 3.0 TTS erschien am 20. Juli 2026. Nur für StepAudio 3 TTS angegebene Fähigkeiten: contextual tts, voice control. Nur für Qwen Audio 3.0 TTS angegebene Fähigkeiten: expressive prosody, emotion control, voice tags, dialect, low latency, voice cloning. 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); Qwen Audio 3.0 TTS erschien am 20. Juli 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.
