StepAudio API

EmpirioLabs AI の StepAudio モデルすべて、合計 11 個。比較して、タスク、品質、予算に合うモデルを呼び出せます。

StepFun オーディオ生成 転写 テキスト生成 11 モデル

StepAudio API について

EmpirioLabs の StepAudio は、StepFun のモデル API 11 個をまとめています(StepAudio 3 TTS, StepAudio 3 Chat, StepAudio 3 Gen, StepAudio 3 Music など)。各モデルにはライブ料金、パラメーター、ドキュメント、プレイグラウンドへのアクセスを備えた専用ページがあります。

StepAudio モデル (11)

StepAudio API の料金

ファミリーをひと目で比較し、完全なライブ料金表とパラメーターは各モデルページで確認してください。

オーディオ生成: 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
StepAudio 3 Gen$0.14 10,000文字あたり生成
StepAudio 3 TTS$0.14 10,000文字あたり合成
StepAudio 2.5 TTS$0.85 10,000文字あたり合成

テキスト生成: 100万トークンあたり、入力料金順

モデル入力出力
StepAudio 2.5 Chat$1.50$3.50
StepAudio 3 Chat$1.50$3.50

転写: 音声の1分または1時間あたりの料金

モデル最低料金適用対象
StepAudio 2.5 ASR$0.05 音声の時間あたり転写
StepAudio 2.5 ASR Stream$0.40 音声の時間あたり転写
StepAudio 3 ASR Max$0.60 音声の時間あたり転写
エンドポイント
POST/v1/audio/speech
料金
タイプ
仕様
料金
合成
10,000文字あたり
$0.14
最適な用途
6言語にわたる人間レベルの音声合成、12のシステムボイス、自然言語の伝達方向、ストリーミング再生が可能です。
エンドポイント
POST/v1/chat/completions
料金
タイプ
仕様
料金
入力
1Mプロンプトトークンあたり
$1.50
出力
生成された1Mトークンあたり
$3.50
暗黙のキャッシュ読み取り
1Mのキャッシュ入力トークンごとに
$0.30
ウェブ検索(リンクアップ)
呼び出し時の通話ごと
$0.013
最適な用途
音声とテキストの会話モデルで、応答前に推論し、関数呼び出しとJSON出力があります。
エンドポイント
POST/v1/audio/generations
料金
タイプ
仕様
料金
生成
10,000文字あたり
$0.14
最適な用途
書かれたシーンからセリフ、効果音、環境音、背景音楽を一つのクリップにまとめて生成します。
エンドポイント
POST/v1/audio/generations
料金
タイプ
仕様
料金
テキストと音楽
生成秒あたり
$0.000667
音声から音楽への変換
生成秒あたり
$0.001334
最適な用途
スタイル説明からボーカル、アレンジ、ミキシング、またはインストゥルメンタルやカバーを含む完全な曲を書く。
エンドポイント
POST/v1/audio/transcriptions
料金
タイプ
仕様
料金
転写
音声の時間あたり
$0.60
最適な用途
固有名詞、専門用語、方言、ささやき声、早口の話し方、歌唱など難しい音声の文脈認識した転写。
エンドポイント
WEBSOCKET/v1/realtime
料金
タイプ
仕様
料金
会期
毎分
$0.125
最適な用途
音声入力、音声出力、1つのソケットで。返信途中で割り込み可能で、音声活動検出が応答のタイミングを判断します。
エンドポイント
WEBSOCKET/v1/realtime
料金
タイプ
仕様
料金
入力
1Mプロンプトトークンあたり
$1.50
出力
生成された1Mトークンあたり
$10.00
暗黙のキャッシュ読み取り
1Mのキャッシュ入力トークンごとに
$0.30
最適な用途
スピーチイン、アウト、一つのソケットで、語調やペースをパラランゲージス的に理解する。
エンドポイント
WEBSOCKET/v1/realtime
料金
タイプ
仕様
料金
転写
音声の時間あたり
$0.40
最適な用途
ソケットを通じたライブ文字起こしは、話者が話す間に部分的な結果を返し、音声活動検出で各文をマークします。
エンドポイント
POST/v1/audio/transcriptions
料金
タイプ
仕様
料金
転写
音声の時間あたり
$0.05
最適な用途
StepFunは中国語と英語の音声書き起こしのためのストリーミング音声認識モデルです。
エンドポイント
POST/v1/audio/speech
料金
タイプ
仕様
料金
合成
10,000文字あたり
$0.85
最適な用途
文脈型StepFuntext-to-speech自然な言語による音声指示と表現力のある表現を持つモデルです。
エンドポイント
POST/v1/chat/completions
料金
タイプ
仕様
料金
入力
1Mプロンプトトークンあたり
$1.50
出力
生成された1Mトークンあたり
$3.50
暗黙のキャッシュ読み取り
1Mのキャッシュ入力トークンごとに
$0.30
ウェブ検索(リンクアップ)
呼び出し時の通話ごと
$0.013
最適な用途
StepFunは音声およびテキスト会話モデルで、テキスト出力とパラリンガスティック理解を特徴としています。
料金ページ全体ですべてのモデルを比較

StepAudio の例と比較

公開済みのテストからの出力です。それぞれ元の記事にリンクしています。

このモデルファミリーに言及したプロンプトテスト、出力ノート、比較実験をご覧ください。

StepAudio API: よくある質問

StepAudio API とは何ですか?

EmpirioLabs の StepAudio は、StepFun のモデル API 11 個をカバーしています: StepAudio 3 TTS, StepAudio 3 Chat, StepAudio 3 Gen, StepAudio 3 Music, StepAudio 3 ASR Max, StepAudio 3 Realtime, StepAudio 2.5 Realtime, StepAudio 2.5 ASR Stream, StepAudio 2.5 ASR, StepAudio 2.5 TTS, StepAudio 2.5 Chat。1つの EmpirioLabs API キーを使い、リクエストに合うモデル ID を選びます。

どの StepAudio モデルを使うべきですか?

速度、品質、料金の要件に合うページのモデルから始めて、EmpirioLabs プレイグラウンドで試してください。上の比較カードから各モデルのライブ料金表とクイックスタートに移動できます。

StepAudio の料金はどのように表示されますか?

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。このページのカードはライブカタログの短い要約を示し、各モデルページには API の請求と一致する完全な料金表があります。

EmpirioLabs AI で最も安い StepAudio モデルはどれですか?

この方式で課金される 3 個の StepAudio モデルのうち、1文字あたりの料金が最も低いのは StepAudio 3 Gen, StepAudio 3 TTS で、同じ料金です。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。

ブラウザで StepAudio を試せますか?

はい。このファミリーの任意のモデルページを開き、プレイグラウンドのリンクからブラウザ上でプロンプトとパラメーターを試してから API を統合できます。

より良いエンドポイントを使う準備はできていますか?

ご自身のモデルを当社のスタックに展開したい方は、ぜひご価格をご覧ください。