StepAudio API

Todos os modelos StepAudio no EmpirioLabs AI, 11 no total. Compare-os e chame o que melhor atende à sua tarefa, qualidade e orçamento.

StepFun Geração de Áudio Transcrição Geração de Texto 11 modelos

Sobre as APIs StepAudio

No EmpirioLabs, StepAudio reúne 11 APIs de modelos de StepFun, incluindo StepAudio 3 TTS, StepAudio 3 Chat, StepAudio 3 Gen, StepAudio 3 Music. Cada modelo tem sua própria página com preços ao vivo, parâmetros, documentação e acesso ao playground.

Modelos StepAudio (11)

Preços da API StepAudio

Compare a família de relance e depois abra uma página de modelo para a tabela de tarifas ao vivo completa e os parâmetros.

Geração de Áudio: Preço por caracteres de texto

ModeloMenor tarifaAplica-se a
StepAudio 3 Gen$0.14 por 10.000 caracteresGeração
StepAudio 3 TTS$0.14 por 10.000 caracteresSíntese
StepAudio 2.5 TTS$0.85 por 10.000 caracteresSíntese

Geração de Texto: Por 1M de tokens, pela tarifa de entrada

ModeloEntradaSaída
StepAudio 2.5 Chat$1.50$3.50
StepAudio 3 Chat$1.50$3.50

Transcrição: Preço por minuto ou hora de áudio

ModeloMenor tarifaAplica-se a
StepAudio 2.5 ASR$0.05 por hora de áudioTranscrição
StepAudio 2.5 ASR Stream$0.40 por hora de áudioTranscrição
StepAudio 3 ASR Max$0.60 por hora de áudioTranscrição
Endpoint
POST/v1/audio/speech
Preços
Tipo
Especificação
Tarifa
Síntese
por 10.000 caracteres
$0.14
Ideal para
Síntese de fala em nível humano em seis idiomas, com 12 vozes de sistema, direção de entrega em linguagem natural e reprodução em streaming.
Endpoint
POST/v1/chat/completions
Preços
Tipo
Especificação
Tarifa
Entrada
por 1M de tokens de prompt
$1.50
Saída
por 1M de tokens gerados
$3.50
Leitura implícita do cache
por 1M de tokens de entrada cacheados
$0.30
Busca na Web (Linkup)
por chamada quando invocada
$0.013
Ideal para
Modelo de conversa de áudio e texto que raciocina antes de responder, com chamada de função e saída JSON.
Endpoint
POST/v1/audio/generations
Preços
Tipo
Especificação
Tarifa
Geração
por 10.000 caracteres
$0.14
Ideal para
Gera diálogos, efeitos sonoros, ambientação e música de fundo juntos em um único clipe de uma cena escrita.
Endpoint
POST/v1/audio/generations
Preços
Tipo
Especificação
Tarifa
De texto para música
por segundo gerado
$0.000667
Áudio para música
por segundo gerado
$0.001334
Ideal para
Escreve músicas completas a partir de uma descrição de estilo, com vocais, arranjos e mixagens, ou instrumentais e covers.
Endpoint
POST/v1/audio/transcriptions
Preços
Tipo
Especificação
Tarifa
Transcrição
por hora de áudio
$0.60
Ideal para
Transcrição consciente do contexto para nomes próprios, termos técnicos, dialetos e áudios difíceis incluindo sussurros, fala rápida e canto.
Endpoint
WEBSOCKET/v1/realtime
Preços
Tipo
Especificação
Tarifa
Sessão
por minuto
$0.125
Ideal para
Fala entra, fala sai, por um soquete. Interrompível no meio da resposta, com detecção de atividade vocal decidindo quando responder.
Endpoint
WEBSOCKET/v1/realtime
Preços
Tipo
Especificação
Tarifa
Entrada
por 1M de tokens de prompt
$1.50
Saída
por 1M de tokens gerados
$10.00
Leitura implícita do cache
por 1M de tokens de entrada cacheados
$0.30
Ideal para
Fala para dentro, fala para fora, em um único encaixe, com compreensão paralinguística de tom e ritmo.
Endpoint
WEBSOCKET/v1/realtime
Preços
Tipo
Especificação
Tarifa
Transcrição
por hora de áudio
$0.40
Ideal para
Transcrição ao vivo por um soquete, retornando resultados parciais enquanto o falante fala, com a detecção de atividade vocal marcando cada frase.
Endpoint
POST/v1/audio/transcriptions
Preços
Tipo
Especificação
Tarifa
Transcrição
por hora de áudio
$0.05
Ideal para
Modelo de reconhecimento de fala em streaming StepFun para transcrição de áudio em chinês e inglês.
Endpoint
POST/v1/audio/speech
Preços
Tipo
Especificação
Tarifa
Síntese
por 10.000 caracteres
$0.85
Ideal para
Modelo contextual StepFun text-to-speech com direção de voz em linguagem natural e entrega expressiva.
Endpoint
POST/v1/chat/completions
Preços
Tipo
Especificação
Tarifa
Entrada
por 1M de tokens de prompt
$1.50
Saída
por 1M de tokens gerados
$3.50
Leitura implícita do cache
por 1M de tokens de entrada cacheados
$0.30
Busca na Web (Linkup)
por chamada quando invocada
$0.013
Ideal para
Modelo de conversa de áudio e texto StepFun com saída de texto e compreensão paralinguística.
Compare todos os modelos na página de preços completa

Exemplos e comparações de StepAudio

Resultados dos nossos testes publicados. Cada um leva ao post de onde vem.

Veja testes de prompts, notas de resultados e comparações que mencionam esta família de modelos.

APIs StepAudio: perguntas frequentes

O que é a API StepAudio?

No EmpirioLabs, StepAudio abrange 11 APIs de modelos de StepFun: 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. Você usa uma única chave de API do EmpirioLabs e escolhe o ID de modelo adequado à requisição.

Qual modelo StepAudio devo usar?

Comece pelo modelo cuja página combina com suas necessidades de velocidade, qualidade e preço, e teste no playground da EmpirioLabs. Os cards de comparação acima levam à tabela de tarifas ao vivo e ao quickstart de cada modelo.

Como os preços de StepAudio são mostrados?

Pague conforme o uso ou escolha um plano com franquias semanais. Os cards desta página mostram um resumo curto do catálogo ao vivo, e cada página de modelo mostra a tabela de tarifas completa que corresponde à cobrança da API.

Qual modelo StepAudio custa menos no EmpirioLabs AI?

StepAudio 3 Gen, StepAudio 3 TTS dividem a menor tarifa por caractere entre os 3 modelos StepAudio com esse tipo de cobrança. A tabela de preços desta página mostra a menor tarifa de cada modelo e a que ela se aplica.

Posso testar StepAudio no navegador?

Sim. Abra qualquer página de modelo desta família e use o link do playground para testar prompts e parâmetros no navegador antes de integrar a API.

Pronto para usar endpoints melhores?

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