Tipo
Especificação
Tarifa
Entrada
por 1M de tokens de prompt
$2.60
Saída
por 1M de tokens gerados
$46.80
Gemini 3.8 Flash TTS e StepAudio 3 TTS lado a lado: especificações, recursos, parâmetros e preços ao vivo do catálogo da EmpirioLabs.
Google 
StepFun Geração de ÁudioGemini 3.8 Flash TTS de Google e StepAudio 3 TTS de StepFun pertencem à categoria Geração de Áudio e estão disponíveis pela API da EmpirioLabs.
| Especificação | Gemini 3.8 Flash TTS | StepAudio 3 TTS |
|---|---|---|
| ID do modelo | gemini-3-8-flash-tts | stepaudio-3-tts |
| Autor | StepFun | |
| Lançado | 22 de set. de 2026 | 9 de set. de 2026 |
| Entrada | Texto | Texto |
| Saída | Áudio | Áudio |
| Região | - | International |
| Endpoints | POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices | POST /v1/audio/speech POST /v1/audio/speech:stream |
| Recursos |
Tarifas ao vivo do catálogo da EmpirioLabs para os dois modelos. Cada tabela de tarifas sempre corresponde ao que a API cobra.
Parâmetros de requisição que cada modelo indica na EmpirioLabs, com os valores permitidos ou o intervalo quando houver. Um traço marca um parâmetro que o modelo não indica.
| Parâmetro | Gemini 3.8 Flash TTS | StepAudio 3 TTS |
|---|---|---|
| input | máx. 5000 | máx. 1000 |
| mode | single, multi Padrão: single | - |
| language | string | en, zh, ja, ko, fr, es Padrão: en |
| voice | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Padrão: Charon | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... Padrão: lively-girl |
| voice_audio_url | string | - |
| voice_consent_audio_url | string | - |
| voice2 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Padrão: Kore | - |
| speaker1_name | string Padrão: Speaker1 | - |
| speaker2_name | string Padrão: Speaker2 | - |
| output_format | WAV, MP3, OGG, ALAW, MULAW Padrão: WAV | - |
| speed | 0.25 a 2 Padrão: 1 | 0.5 a 2 Padrão: 1 |
| volume_gain | -96 a 16 Padrão: 0 | - |
| sample_rate | 8000, 16000, 22050, 24000, 44100, 48000 Padrão: 24000 | 8000, 16000, 22050, 24000 Padrão: 24000 |
| style_prompt | string | - |
| instruction | - | máx. 500 |
| volume | - | 0.1 a 2 Padrão: 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>A entrada máxima é de 1.000 caracteres. O conteúdo entre parênteses é tratado como direção de entrega e não é falado. Use instrução para emoção global ou orientação de estilo, até 500 caracteres. Doze vozes do sistema estão disponíveis. Os idiomas reconhecidos são chinês, inglês, japonês, coreano, francês e espanhol, com idiomas além do chinês e inglês em prévia. Os formatos de saída são mp3, wav, flac, opus e pcm em 8000, 16000, 22050 ou 24000 Hz. Wav é retornado como um arquivo completo em vez de transmitido. Este modelo não suporta voice_label.
Gemini 3.8 Flash TTS gera fala por POST /v1/audio/speech e retorna áudio reproduzível. Envie o texto a ser falado em input com o id de modelo gemini-3-8-flash-tts. Os dois modelos são chamados pelo mesmo endpoint. Defina model como gemini-3-8-flash-tts ou stepaudio-3-tts. Obtenha uma chave de API no painel 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.mp3Testes de prompts e comparações que cobrem os dois modelos.
Gemini 3.8 Flash TTS é o lançamento mais recente (22 de set. de 2026); StepAudio 3 TTS foi lançado em 9 de set. de 2026. Recursos indicados apenas para Gemini 3.8 Flash TTS: multi speaker, voice tags, streaming, voice cloning. Recursos indicados apenas para StepAudio 3 TTS: contextual tts. As especificações, as tabelas de tarifas e os parâmetros desta página vêm do catálogo ao vivo da EmpirioLabs.
Gemini 3.8 Flash TTS é o lançamento mais recente (22 de set. de 2026); StepAudio 3 TTS foi lançado em 9 de set. de 2026.
Os dois modelos são tarifados em unidades ou níveis diferentes, então compare as tabelas de tarifas ao vivo desta página. Elas sempre correspondem ao que a API cobra.
Sim. Os dois modelos usam POST /v1/audio/speech com a mesma chave de API da EmpirioLabs, então a maioria das integrações alterna só mudando o valor model. Confira antes a tabela de parâmetros desta página se você depende de um parâmetro específico de um modelo.
Sim. Abra cada modelo no playground da EmpirioLabs e execute o mesmo prompt nos dois, com os parâmetros que a API expõe.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.
