Tipo
Especificación
Tarifa
Síntesis
por cada 10.000 caracteres
$0.14
StepAudio 3 TTS y Gemini 2.5 Pro TTS lado a lado: especificaciones, capacidades, parámetros y precios en vivo del catálogo de EmpirioLabs.
StepFun 
Google Generación de audioStepAudio 3 TTS de StepFun y Gemini 2.5 Pro TTS de Google pertenecen a la categoría Generación de audio y están disponibles a través de la API de EmpirioLabs.
| Especificación | StepAudio 3 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| ID del modelo | stepaudio-3-tts | gemini-2-5-pro-tts |
| Autor | StepFun | |
| Lanzado | 9 sept 2026 | 20 may 2025 |
| Salida máxima | - | 19.661 tokens |
| Entrada | Texto | Texto |
| Salida | Audio | Audio |
| Región | International | - |
| Endpoints | POST /v1/audio/speech POST /v1/audio/speech:stream | POST /v1/audio/speech |
| Capacidades |
Tarifas en vivo del catálogo de EmpirioLabs para ambos modelos. Cada tabla de tarifas siempre coincide con lo que cobra la API.
Parámetros de solicitud que cada modelo indica en EmpirioLabs, con los valores permitidos o el rango cuando corresponde. Un guion marca un parámetro que el modelo no indica.
| Parámetro | StepAudio 3 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| input | máx. 1000 | string |
| voice | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... Predeterminado: lively-girl | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Predeterminado: Charon |
| instruction | máx. 500 | - |
| speed | 0.5 a 2 Predeterminado: 1 | 0.25 a 2 Predeterminado: 1 |
| volume | 0.1 a 2 Predeterminado: 1 | - |
| language | en, zh, ja, ko, fr, es Predeterminado: en | string Predeterminado: en-US |
| response_format | mp3, wav, flac, opus, pcm Predeterminado: mp3 | - |
| sample_rate | 8000, 16000, 22050, 24000 Predeterminado: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 Predeterminado: 24000 |
| markdown_filter | boolean Predeterminado: false | - |
| pronunciation_map | string | - |
| mode | - | single, multi Predeterminado: single |
| voice2 | - | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Predeterminado: Kore |
| speaker1_name | - | string Predeterminado: Speaker1 |
| speaker2_name | - | string Predeterminado: Speaker2 |
| output_format | - | WAV, MP3, OGG, ALAW, MULAW Predeterminado: WAV |
| volume_gain | - | -96 a 16 Predeterminado: 0 |
La entrada máxima es de 1.000 caracteres. El contenido entre paréntesis se trata como dirección de entrega y no se habla. Usa instrucción para la emoción global o guía de estilo, hasta 500 caracteres. Hay doce voces del sistema disponibles. Los idiomas reconocidos son chino, inglés, japonés, coreano, francés y español, con idiomas distintos al chino e inglés en previsualización. Los formatos de salida son mp3, wav, flac, opus y pcm a 8000, 16000, 22050 o 24000 Hz. Wav se devuelve como un archivo completo en lugar de en streaming. Este modelo no soporta voice_label.
StepAudio 3 TTS genera voz a través de POST /v1/audio/speech y devuelve audio reproducible. Envía el texto a pronunciar como input con el id de modelo stepaudio-3-tts. Ambos modelos se llaman a través del mismo endpoint. Establece model en stepaudio-3-tts o gemini-2-5-pro-tts. Consigue una clave de API en el panel de 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.mp3Pruebas de prompts y comparativas que cubren ambos modelos.
StepAudio 3 TTS es el lanzamiento más reciente (9 sept 2026); Gemini 2.5 Pro TTS se lanzó el 20 may 2025. Capacidades indicadas solo para StepAudio 3 TTS: contextual tts, voice control. Capacidades indicadas solo para Gemini 2.5 Pro TTS: multi speaker. Las especificaciones, las tablas de tarifas y los parámetros de esta página provienen del catálogo en vivo de EmpirioLabs.
StepAudio 3 TTS es el lanzamiento más reciente (9 sept 2026); Gemini 2.5 Pro TTS se lanzó el 20 may 2025.
Los dos modelos se tarifican con unidades o niveles distintos, así que compara las tablas de tarifas en vivo de esta página. Siempre coinciden con lo que cobra la API.
Sí. Ambos modelos usan POST /v1/audio/speech con la misma clave de API de EmpirioLabs, así que la mayoría de las integraciones cambian con solo modificar el valor model. Revisa antes la tabla de parámetros de esta página si dependes de un parámetro específico de un modelo.
Sí. Abre cada modelo en el playground de EmpirioLabs y ejecuta el mismo prompt en ambos, con los parámetros que expone la API.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.
