StepAudio 3 Realtime API

À propos de StepAudio 3 Realtime

Entrée de parole, sortie de parole, sur une seule prise. Interruptible en plein milieu de la réponse, avec la détection de l’activité vocale décidant quand répondre.

La session est configurée avec des événements session.update sur le socket plutôt que des paramètres de requête.

Aussi connu sous le nom StepFun StepAudio 3 Realtime

Caractéristiques de StepAudio 3 Realtime

ID du modèle

stepaudio-3-realtime

Auteur

StepFun

Catégorie

Production audio

Publié

6 août 2026

Fenêtre de contexte

256K tokens

Sortie max

131 072 tokens

Entrée

AudioTexte

Sortie

AudioTexte

Région

International

Endpoints

WEBSOCKET/v1/realtime

Identifiants de modèle alternatifs

stepaudio-3-realtime-previewstepfun/stepaudio-3-realtime

Tarifs de l'API StepAudio 3 Realtime

Tarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.

Comment appeler l'API StepAudio 3 Realtime

StepAudio 3 Realtime tient une conversation en direct via un WebSocket sur wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime, et non via les endpoints HTTP. Connectez-vous avec l'id de modèle stepaudio-3-realtime et envoyez votre clé API EmpirioLabs dans un en-tête Authorization: Bearer lors du handshake. L'audio circule dans les deux sens en PCM 16 bits encodé en base64. Un navigateur ne peut pas définir d'en-têtes sur un WebSocket : ouvrez donc cette connexion depuis votre serveur et relayez l'audio vers le navigateur via votre propre socket. Obtenez une clé API depuis le tableau de bord EmpirioLabs.

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime",
        additional_headers=[
            ("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
        ],
        max_size=None,
    ) as ws:
        print(json.loads(await ws.recv())["type"])  # session.created

        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {
                "type": "message",
                "role": "user",
                "content": [{"type": "input_text", "text": "Say hello."}],
            },
        }))
        await ws.send(json.dumps({"type": "response.create"}))

        async for raw in ws:
            event = json.loads(raw)
            if event["type"] == "response.audio.delta":
                ...  # base64 audio chunk, append to your playback buffer
            elif event["type"] == "response.done":
                break

asyncio.run(main())

Paramètres de l'API StepAudio 3 Realtime

Paramètres de requête pris en charge par l'API StepAudio 3 Realtime sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.

Bon à savoir

Voix full-duplex sur WebSocket à wss://api.empiriolabs.ai/v1/realtime ?model=stepaudio-3-realtime, authentifiée avec l’en-tête Authorization Bearer ordinaire. L’audio est pcm16 en entrée et sortie. Le modèle écoute pendant qu’il parle, il peut donc être interrompu en plein milieu de la réponse, et la détection d’activité vocale côté serveur décide quand répondre. Réglez la voix avec session.update avant le premier audio; elle ne peut pas être modifiée une fois que le modèle a parlé, et seules les sept voix listées sont acceptées. La conversation est uniquement en chinois et en anglais. Chaque tour complété est facturé séparément à partir de l’utilisation rapportée par le modèle. Ce modèle est en aperçu et ses capacités peuvent changer.

API StepAudio 3 Realtime : questions fréquentes

Combien coûte l'API StepAudio 3 Realtime ?

Sur EmpirioLabs, StepAudio 3 Realtime est facturé à l'usage : Entrée $1.50 par 1M de jetons d’invite; Produit $10.00 par 1M de jetons générés; Lecture implicite du cache $0.30 par 1M de jetons d’entrée mis en cache. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.

Quelle est la fenêtre de contexte de StepAudio 3 Realtime ?

StepAudio 3 Realtime prend en charge une fenêtre de contexte de 256K tokens avec jusqu'à 131 072 tokens de sortie par réponse.

Quel endpoint StepAudio 3 Realtime utilise-t-il ?

StepAudio 3 Realtime est servi via WEBSOCKET /v1/realtime sur api.empiriolabs.ai avec une authentification standard par token Bearer.

Puis-je essayer StepAudio 3 Realtime dans le navigateur avant d'intégrer ?

Ouvrez le playground EmpirioLabs et appuyez sur Start session pour l'essayer dans votre navigateur. StepAudio 3 Realtime fonctionne sur un WebSocket plutôt qu'en requête et réponse, donc pour l'intégrer commencez par le guide de démarrage voix en temps réel. Connectez-vous depuis votre serveur avec votre clé API EmpirioLabs et l'id de modèle stepaudio-3-realtime, puis diffusez l'audio dans les deux sens.

Comment obtenir une clé API StepAudio 3 Realtime ?

Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.