GPU Cloud e Hosted Agents já estão disponíveis. Explorar o GPU Cloud

Geração de Áudio APIs

Modelos de geração de fala, música e som em uma API unificada.

15 modelos
Ver todos os modelos Ver preços

Sobre Geração de Áudio na EmpirioLabs

Modelos de geração de áudio em EmpirioLabs cobrem text-to-speech, música e efeitos sonoros, com opções como múltiplos alto-falantes ou clonagem de voz, dependendo do modelo. Você envia sua mensagem ou prompt e recupera o áudio, cobrado por geração ou por minuto.

Modelos Geração de Áudio (15)

ACE-Step 1.5 XL

Modelo de geração de música open-source para áudio guiado por text-to-song e letras, com inferência XL Turbo rápida de 8 passos para iteração controlável das músicas.

TTS 2

Modelo de voz em tempo real com direção de voz em inglês simples, uma identidade de voz em 100+ idiomas e time-to-first-audio de streaming abaixo de 200ms.

TTS 1.5 Mini

Síntese de voz TTFB abaixo de 130ms com 271+ vozes em 15 idiomas, prosódia expressiva e streaming SSE em tempo real para agentes de voz de baixa latência.

TTS 1.5 Max

Síntese de voz de qualidade de transmissão com prosódia expressiva rica, 271+ vozes em 15 idiomas e streaming SSE em tempo real com carimbos de data por palavra.

MiniMax Music 3

Generates complete stereo songs from lyrics and a style prompt, with duration, seed, and format controls up to 5 minutes.

Qwen Audio 3.0 TTS

Síntese de fala em níveis com mais de 1.000 vozes, 16 idiomas, 20 dialetos chineses, direção de entrega em linguagem natural e tags emocionais inline.

Gemini 2.5 Flash TTS

Baixa latência text-to-speech com vozes de um ou múltiplos alto-falantes e estilo, sotaque e tom expressivo controláveis para aplicativos de produção.

Gemini 2.5 Pro TTS

Prévia TTS de alta qualidade para podcasts, audiolivros e suporte ao cliente, com vozes expressivas em múltiplos alto-falantes em 23+ idiomas.

Gemini 3.1 Flash TTS

TTS altamente controlável com novas Tags de Áudio para estilo, tom, ritmo e entrega precisos em narração, assistentes e aplicativos de voz.

GLM TTS

text-to-speech baseadas em LLM, com clonagem de voz zero-shot de 3 a 10 segundos de áudio e saída controlável e expressiva emocionalmente via RL multi-recompensa.

SoulX Podcast

Modelo de voz open-source para diálogos de podcast de longa duração e múltiplos alto-falantes com controle paralinguístico (risos, suspiros) e clonagem de voz zero-shot.

Stable Audio 2.0

Gera áudio de até 3 minutos a partir de prompts de texto, suportando text-to-audio e audio-to-audio com duração, passos e escala CFG ajustáveis.

Stable Audio 2.5

Up-to-3-minute áudio do texto com text-to-audio, audio-to-audio e inpainting de áudio para produção musical, design de som e remixagem.

StepAudio 2.5 TTS

Modelo contextual StepFun text-to-speech com direção de voz em linguagem natural e entrega expressiva.

Step TTS 2

StepFun text-to-speech modelo com vozes oficiais, vozes clonadas personalizadas e controles de tag de voz.

Como chamar os modelos Geração de Áudio

ACE-Step 1.5 XL roda por POST /v1/audio/generations. A requisição retorna um job_id na hora; consulte GET /v1/jobs/{job_id} até o job terminar e leia as URLs de saída do resultado. Troque o id model por qualquer modelo acima. Obtenha uma chave de API no painel EmpirioLabs.

cURL: enviar o job
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."
  }'

APIs Geração de Áudio: perguntas frequentes

Quantas APIs de modelos de Geração de Áudio a EmpirioLabs oferece?

A EmpirioLabs lista 15 APIs de modelos de Geração de Áudio, incluindo ACE-Step 1.5 XL, TTS 2, TTS 1.5 Mini. Cada modelo tem sua própria página de API com preços ao vivo, parâmetros e um quickstart.

Como as APIs de Geração de Áudio são cobradas na EmpirioLabs?

Cada modelo de Geração de Áudio é cobrado por uso, sem mínimo mensal. A tabela de tarifas exata fica na página de cada modelo e sempre corresponde ao que a API cobra.

Preciso ser desenvolvedor para usar os modelos de Geração de Áudio?

Não. Todo modelo aqui roda no playground da EmpirioLabs, uma interface amigável no navegador onde você ajusta as opções e vê resultados sem escrever código. Quando quiser automatizar, o mesmo modelo está disponível pela API.

Outras categorias de modelos

Geração de Texto68Geração de Imagem15Geração de Vídeo28Transcrição4Pesquisa e Busca13Geração 3D1Incorporações3Reclassificadores1Ferramentas e Agentes2
Explorar o catálogo completo de modelos

Pronto para usar endpoints melhores?

Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.

Veja Preços
Entre em contato conosco