StepAudio 3 TTS API

Acerca de StepAudio 3 TTS

Síntesis de voz a nivel humano en seis idiomas, con 12 voces de sistema, dirección de entrega en lenguaje natural y reproducción en streaming.

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 TTS

Especificaciones de StepAudio 3 TTS

ID del modelo

stepaudio-3-tts

Autor

StepFun

Categoría

Generación de audio

Lanzado

9 sept 2026

Entrada

Texto

Salida

Audio

Región

International

Endpoints

POST/v1/audio/speechPOST/v1/audio/speech:stream

IDs de modelo alternativos

stepfun/stepaudio-3-tts

Precios de la API de StepAudio 3 TTS

Tarifas de pago por uso en vivo del catálogo de EmpirioLabs. Solo pagas por lo que usas, sin mínimo mensual.

Cómo llamar a la API de StepAudio 3 TTS

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. 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.mp3

import requests

response = requests.post(
    "https://api.empiriolabs.ai/v1/audio/speech",
    headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
    json={"model": "stepaudio-3-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
    f.write(response.content)

Parámetros de la API de StepAudio 3 TTS

Parámetros de solicitud compatibles con la API de StepAudio 3 TTS en EmpirioLabs. Los valores por defecto se aplican cuando se omite un campo.

Información útil

Maximum input is 1,000 characters. Content in parentheses is treated as delivery direction and is not spoken. Use instruction for global emotion or style guidance, up to 500 characters. Twelve system voices are available. Recognized languages are Chinese, English, Japanese, Korean, French, and Spanish, with languages other than Chinese and English in preview. Output formats are mp3, wav, flac, opus, and pcm at 8000, 16000, 22050, or 24000 Hz. Wav is returned as a complete file rather than streamed. This model does not support voice_label.

API de StepAudio 3 TTS: preguntas frecuentes

¿Cuánto cuesta la API de StepAudio 3 TTS?

En EmpirioLabs, StepAudio 3 TTS se factura por uso: Síntesis $0.36 por cada 10.000 caracteres. La tabla de tarifas en vivo de esta página siempre coincide con lo que cobra la API.

¿Qué endpoint usa StepAudio 3 TTS?

StepAudio 3 TTS se sirve a través de POST /v1/audio/speech en api.empiriolabs.ai con autenticación estándar de token Bearer.

¿Puedo probar StepAudio 3 TTS en el navegador antes de integrar?

Sí. El playground de EmpirioLabs ejecuta StepAudio 3 TTS en el navegador con los mismos parámetros que expone la API, para que pruebes prompts antes de escribir código.

¿Cómo consigo una clave de API de StepAudio 3 TTS?

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.