Type
Spéc.
Tarif
Entrée
par 1M de jetons d’invite
$2.60
Sortie
par 1M de jetons générés
$46.80
Gemini 3.8 Flash TTS et StepAudio 3 TTS côte à côte : caractéristiques, capacités, paramètres et tarifs en direct du catalogue EmpirioLabs.
Google 
StepFun Production audioGemini 3.8 Flash TTS de Google et StepAudio 3 TTS de StepFun appartiennent tous deux à la catégorie Production audio et sont disponibles via l'API EmpirioLabs.
| Spéc. | Gemini 3.8 Flash TTS | StepAudio 3 TTS |
|---|---|---|
| ID du modèle | gemini-3-8-flash-tts | stepaudio-3-tts |
| Auteur | StepFun | |
| Publié | 22 sept. 2026 | 9 sept. 2026 |
| Entrée | Texte | Texte |
| Sortie | Audio | Audio |
| Région | - | International |
| Endpoints | POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices | POST /v1/audio/speech POST /v1/audio/speech:stream |
| Capacités |
Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.
Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.
| Paramètre | Gemini 3.8 Flash TTS | StepAudio 3 TTS |
|---|---|---|
| input | max 5000 | max 1000 |
| mode | single, multi Par défaut: single | - |
| language | string | en, zh, ja, ko, fr, es Par défaut: en |
| voice | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Par défaut: Charon | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... Par défaut: lively-girl |
| voice_audio_url | string | - |
| voice_consent_audio_url | string | - |
| voice2 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Par défaut: Kore | - |
| speaker1_name | string Par défaut: Speaker1 | - |
| speaker2_name | string Par défaut: Speaker2 | - |
| output_format | WAV, MP3, OGG, ALAW, MULAW Par défaut: WAV | - |
| speed | 0.25 à 2 Par défaut: 1 | 0.5 à 2 Par défaut: 1 |
| volume_gain | -96 à 16 Par défaut: 0 | - |
| sample_rate | 8000, 16000, 22050, 24000, 44100, 48000 Par défaut: 24000 | 8000, 16000, 22050, 24000 Par défaut: 24000 |
| style_prompt | string | - |
| instruction | - | max 500 |
| volume | - | 0.1 à 2 Par défaut: 1 |
<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>L’entrée maximale est de 1 000 caractères. Le contenu entre parenthèses est traité comme une direction de diffusion et n’est pas prononcé. Utilisez instruction pour l’émotion globale ou la guidance de style, jusqu’à 500 caractères. Douze voix système sont disponibles. Les langues reconnues sont le chinois, l’anglais, le japonais, le coréen, le français et l’espagnol, avec d’autres langues que le chinois et l’anglais en aperçu. Les formats de sortie sont mp3, wav, flac, opus et pcm à 8000, 16000, 22050 ou 24000 Hz. Wav est retourné sous forme de fichier complet plutôt que diffusé en streaming. Ce modèle ne prend pas en charge voice_label.
Gemini 3.8 Flash TTS génère la voix via POST /v1/audio/speech et renvoie de l'audio lisible. Envoyez le texte à prononcer dans input avec l'id de modèle gemini-3-8-flash-tts. Les deux modèles s'appellent via le même endpoint. Définissez model sur gemini-3-8-flash-tts ou stepaudio-3-tts. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3-8-flash-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3Tests de prompts et comparaisons qui couvrent les deux modèles.
Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; StepAudio 3 TTS est sorti le 9 sept. 2026. Capacités indiquées uniquement pour Gemini 3.8 Flash TTS : multi speaker, voice tags, streaming, voice cloning. Capacités indiquées uniquement pour StepAudio 3 TTS : contextual tts. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.
Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; StepAudio 3 TTS est sorti le 9 sept. 2026.
Les deux modèles sont tarifés sur des unités ou des paliers différents : comparez les grilles tarifaires en direct de cette page. Elles correspondent toujours à ce que l'API facture.
Oui. Les deux modèles utilisent POST /v1/audio/speech avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.
Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et lancez le même prompt sur les deux, avec les paramètres exposés par l'API.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.
