
Genera diálogos, efectos de sonido, ambiente y música de fondo juntos en un solo clip a partir de una escena escrita.
Genera diálogos, efectos de sonido, ambiente y música de fondo juntos en un solo clip a partir de una escena escrita.
El conteo de caracteres sigue la tarifación de StepFun: un carácter chino cuenta como un carácter, dos letras inglesas cuentan como un carácter y dos signos de puntuación cuentan como un carácter.
También conocido como StepFun StepAudio 3 Gen
stepaudio-3-gen/v1/audio/generationsstepaudio-3-gen-previewstepfun/stepaudio-3-genResultados de nuestras pruebas publicadas. Cada uno enlaza a la publicación de la que procede.
Tarifas de pago por uso en vivo del catálogo de EmpirioLabs. También puedes elegir un plan con asignaciones semanales.
StepAudio 3 Gen funciona a través de POST /v1/audio/generations. La solicitud devuelve un job_id de inmediato; consulta GET /v1/jobs/{job_id} hasta que el trabajo termine y lee las URLs de salida del resultado. Consigue una clave de API en el panel de EmpirioLabs.
curl https://api.empiriolabs.ai/v1/audio/generations \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "stepaudio-3-gen",
"prompt": "Describe what you want StepAudio 3 Gen to generate."
}'curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY"import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/generations",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={
"model": "stepaudio-3-gen",
"prompt": "Describe what you want StepAudio 3 Gen to generate.",
},
)
job = response.json()
# Generation runs as an async job. Poll until it completes.
import time
while True:
status = requests.get(
f"https://api.empiriolabs.ai/v1/jobs/{job['job_id']}",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
).json()
if status.get("status") in ("completed", "failed"):
print(status)
break
time.sleep(5)Parámetros de solicitud compatibles con la API de StepAudio 3 Gen en EmpirioLabs. Los valores por defecto se aplican cuando se omite un campo.
| Parámetro | Tipo | Predeterminado | Rango / valores | Descripción |
|---|---|---|---|---|
| prompt | string | - | - | Texto para hablar, leído tal como está escrito. Envuelva un efecto de sonido o una señal musical entre corchetes y una dirección de entrega entre paréntesis, y... |
| instruction | string | - | máx. 500 | Guía global para el escenario, la música de fondo y el tono emocional. Máximo 500 caracteres. |
| roles | string | - | - | Altavoces opcionales, como objetos con nombre y descripción de voz. Todos los nombres y descripciones juntos tienen un límite de 500 caracteres. |
| scripts | string | - | - | Líneas ordenadas opcionales, como objetos con altavoz y texto. Limitada a 1.000 caracteres en total. Usa esto en lugar de un prompt para escenas con varios altavoces. |
| response_format | enum | mp3 | mp3, wav, flac, opus, pcm | Formato de audio de salida. |
| sample_rate | enum | 24000 | 8000, 16000, 22050, 24000, 48000 | Tasa de muestreo de salida en Hz. |
| speed | number | 1 | 0.5 a 2 | Velocidad del habla. |
| volume | number | 1 | 0.1 a 2 | Volumen de salida. |
| text_normalization | enum | standard | standard, enhanced | Cómo se leen en voz alta los números, fechas y símbolos. |
Un clip terminado con líneas habladas, efectos de sonido, ambiente y música de fondo juntos. El texto en el prompt y los guiones se dice tal como está escrito: describe el escenario y la música de fondo en la instrucción, envolve un efecto de sonido o una señal musical entre corchetes y pon una dirección de entrega entre paréntesis. Envía un prompt o usa roles y scripts para el control de varios altavoces. Los roles e instrucciones están limitados a 500 caracteres cada uno y los scripts a 1.000. Los formatos de salida son mp3, wav, flac, opus y pcm. Las voces de referencia ni la clonación de voces no están disponibles en este modelo. Este modelo está en vista previa y sus capacidades pueden cambiar.
Anuncios, pruebas de prompts y comparativas que cubren este modelo.
En EmpirioLabs, StepAudio 3 Gen se factura por uso: Generación $0.14 por cada 10.000 caracteres. También puedes elegir un plan con asignaciones semanales. La tabla de tarifas en vivo de esta página siempre coincide con lo que cobra la API.
StepAudio 3 Gen recibe Texto como entrada y devuelve Audio.
StepAudio 3 Gen se sirve a través de POST /v1/audio/generations en api.empiriolabs.ai con autenticación estándar de token Bearer.
Envía stepaudio-3-gen como modelo en tu solicitud. Los ID alternativos stepaudio-3-gen-preview, stepfun/stepaudio-3-gen también funcionan.
StepFun lanzó StepAudio 3 Gen el 9 sept 2026.
StepAudio 3 Gen en EmpirioLabs se sirve desde International.
Sí. El playground de EmpirioLabs ejecuta StepAudio 3 Gen en el navegador con los mismos parámetros que expone la API, para que pruebes prompts antes de escribir código.
Crea una cuenta de EmpirioLabs y genera una clave en API Keys en el panel. La facturación es con créditos de pago por uso, así que solo pagas por las solicitudes que haces. También puedes elegir un plan con asignaciones semanales.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.