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。
StepFunオーディオ生成リリース 2026年4月21日International独自エンドポイント新着文脈型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。
文字数のカウントはStepFunの料金体系に従い、中国語1文字が1文字、英語の文字2文字が1文字、句読点2文字が1文字としてカウントされます。
別名 StepAudio TTS, StepFun StepAudio 2.5 TTS, StepAudio-2.5-TTS, stepaudio-2-5-tts
stepaudio-2-5-tts/v1/audio/speechstepaudio-2.5-ttsstepfun/stepaudio-2-5-ttsstepfun/stepaudio-2.5-ttsEmpirioLabs カタログのライブ従量課金料金です。使った分だけの支払いで、月額最低料金はありません。
StepAudio 2.5 TTS は POST /v1/audio/speech で音声を生成し、再生可能なオーディオを返します。読み上げるテキストを input として、モデル ID stepaudio-2-5-tts と一緒に送信してください。 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/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "stepaudio-2-5-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/speech",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={"model": "stepaudio-2-5-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
f.write(response.content)EmpirioLabs 上の StepAudio 2.5 TTS API が対応するリクエストパラメーターです。フィールドを省略した場合はデフォルト値が適用されます。
| パラメータ | タイプ | デフォルト | 範囲 / 値 | 説明 |
|---|---|---|---|---|
| input | string | - | 最大 1000 | テキストを合成する。最大1,000文字。 |
| voice | enum | lively-girl | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... | Official StepFun voice. Custom cloned voice IDs are also accepted via the API. |
| response_format | enum | mp3 | mp3, wav, flac, opus, pcm | 出力音声フォーマット。 |
| speed | number | 1 | 0.5 から 2 | 話す速度。 |
| volume | number | 1 | 0.1 から 2 | 出力量。 |
| sample_rate | enum | 24000 | 8000, 16000, 22050, 24000 | 出力サンプリングレートはHzで表示されます。 |
| instruction | string | - | 最大 200 | グローバルな感情やスタイルのガイダンス。StepAudio 2.5 TTSのみがサポートしています。 |
| pronunciation_map | object | - | - | 発音マッピングも任意で。 |
| markdown_filter | boolean | false | - | 合成前にマークダウン構文をフィルタリングしてください。 |
最大入力文字は1,000文字です。括弧内の内容は指示として扱われ、話されることはありません。全体的な感情やスタイルの指導のために指導を活用しましょう。StepAudio 2.5 TTSはvoice_labelをサポートしていません。
EmpirioLabs では StepAudio 2.5 TTS は従量課金です: シンセシス $0.85 10,000文字あたり。このページのライブ料金表は常に API の請求額と一致します。
StepAudio 2.5 TTS は api.empiriolabs.ai 上の POST /v1/audio/speech で提供され、標準的な Bearer トークン認証を使用します。
はい。EmpirioLabs プレイグラウンドでは API と同じパラメーターで StepAudio 2.5 TTS をブラウザ上で実行できるので、コードを書く前にプロンプトを試せます。
EmpirioLabs アカウントを作成し、ダッシュボードの API Keysでキーを生成してください。課金は従量制クレジットなので、実行したリクエストの分だけ支払います。
