EmpirioLabsの音声生成モデルはtext-to-speech、音楽、効果音をカバーしており、モデルによっては複数スピーカーやボイスクローンなどのオプションがあります。テキストやプロンプトを送信し、音声を世代単位または分単位で請求します。
各モデルが掲載する最も低い料金を料金表からリアルタイムで読み取り、安い順に並べています。各モデルのページにすべての料金とオプションがあります。
テキストの文字数に応じた料金
| モデル | 最低料金 | 適用対象 |
|---|---|---|
| TTS 2 Flash Inworld | $15.00$10.50 100万文字あたり | 合成 |
| StepAudio 3 Gen StepFun | $0.14 10,000文字あたり | 生成 |
| StepAudio 3 TTS StepFun | $0.14 10,000文字あたり | 合成 |
| Qwen Audio 3.0 TTS Alibaba Cloud | $0.15 10,000文字あたり | フラッシュ合成 |
| SoulX Podcast Soul AI Lab | $0.015 1,000文字あたり、最低700文字のリクエスト | 基地 |
| TTS 1.5 Mini Inworld | $25.00$17.50 100万文字あたり | 合成 |
| TTS 2 Inworld | $25.00$22.00 100万文字あたり | 合成 |
| TTS 1.5 Max Inworld | $35.00$29.75 100万文字あたり | 合成 |
| モデル | 最低料金 | 適用対象 |
|---|---|---|
| Qwen Audio 3.1 TTS Plus Alibaba Cloud | $0.60 10,000文字あたり | 合成 |
| StepAudio 2.5 TTS StepFun | $0.85 10,000文字あたり | 合成 |
| GLM TTS Z.ai | $0.20 1,000文字あたり、最低50文字をリクエストごとに | 速い(INT8) |
1秒あたりの料金
| モデル | 最低料金 | 適用対象 |
|---|---|---|
| ACE-Step 1.5 XL ACE-Step | $0.0003$0.00025 生成秒あたり | 音楽生成 |
| StepAudio 3 Music StepFun | $0.000667 生成秒あたり | テキストと音楽 |
| Sonilo Audio Ducking Sonilo | $0.0012 生成秒あたり | オーディオダッキング |
| MiniMax Music 3 MiniMax | $0.002$0.0018 生成秒あたり | 音楽生成 |
| Sonilo Sound Effects 1.0 Sonilo | $0.0036 生成秒あたり | テキストから効果音への変換 |
| Sonilo v1.1 Sonilo | $0.0045 生成秒あたり | テキストと音楽 |
他の単位で課金されるモデルはこのランキングに含まれません。各モデルのページに料金表の全体があります。
ACE-Step 1.5 XL は POST /v1/audio/generations で動作します。リクエストはすぐに job_id を返すので、ジョブが完了するまで GET /v1/jobs/{job_id} をポーリングし、結果から出力 URL を読み取ってください。 model ID は上のどのモデルにも差し替えられます。 EmpirioLabs ダッシュボードで API キーを取得してください。
curl https://api.empiriolabs.ai/v1/audio/generations \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "ace-step-1-5-xl",
"prompt": "Describe what you want ACE-Step 1.5 XL to generate."
}'EmpirioLabs には 39 オーディオ生成モデル APIがあります(ACE-Step 1.5 XL, TTS 2, TTS 1.5 Mini など)。各モデルにはライブ料金、パラメーター、クイックスタートを備えた専用 API ページがあります。
従量課金で利用するか、週ごとの利用枠付きプランを選べます。正確な料金表は各モデルのページにあり、常に API の請求額と一致します。
この方式で課金される 11 個の オーディオ生成 モデルのうち、1文字あたりの料金が最も低いのは TTS 2 Flash で、次に StepAudio 3 Gen, StepAudio 3 TTS が続きます。このページの料金表に、各モデルの最低料金と適用対象を掲載しています。
いいえ。ここにあるすべてのモデルはEmpirioLabs プレイグラウンドで動きます。コードを書かずにオプションを設定して結果を確認できる、使いやすいブラウザ内インターフェースです。自動化したくなったら、同じモデルを API から利用できます。