
Modelo contextual StepFun text-to-speech com direção de voz em linguagem natural e entrega expressiva.
Modelo contextual StepFun text-to-speech com direção de voz em linguagem natural e entrega expressiva.
A contagem de caracteres segue o preço do StepFun: um caractere chinês conta como um caractere, duas letras inglesas contam como um caractere, e dois sinais de pontuação contam como um caractere.
Também conhecido como StepAudio TTS, StepFun StepAudio 2.5 TTS
stepaudio-2-5-tts/v1/audio/speechPOST/v1/audio/speech:streamstepaudio-2.5-ttsstepfun/stepaudio-2-5-ttsstepfun/stepaudio-2.5-ttsTarifas pay-as-you-go ao vivo do catálogo EmpirioLabs. Você também pode escolher um plano com franquias semanais.
StepAudio 2.5 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 stepaudio-2-5-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": "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)Parâmetros de requisição suportados pela API StepAudio 2.5 TTS na EmpirioLabs. Os padrões valem quando um campo é omitido.
| Parâmetro | Tipo | Padrão | Intervalo / valores | Descrição |
|---|---|---|---|---|
| input | string | - | máx. 1000 | Texto para sintetizar. No máximo 1.000 caracteres. |
| voice | enum | lively-girl | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... | Voz para a fala gerada. |
| response_format | enum | mp3 | mp3, wav, flac, opus, pcm | Formato de áudio de saída. |
| speed | number | 1 | 0.5 a 2 | Velocidade da fala. |
| volume | number | 1 | 0.1 a 2 | Volume de saída. |
| sample_rate | enum | 24000 | 8000, 16000, 22050, 24000 | Taxa de amostragem de saída em Hz. |
| instruction | string | - | máx. 200 | Emoção global ou orientação de estilo. Máximo 200 caracteres. |
| pronunciation_map | object | - | - | Mapeamento de pronúncia opcional. |
| markdown_filter | boolean | false | - | Remova a sintaxe Markdown da entrada antes que ela seja falada. |
A entrada máxima é de 1.000 caracteres. O conteúdo entre parênteses é tratado como direção e não é falado. Use instrução para emoção global ou orientação de estilo. O StepAudio 2.5 TTS não suporta voice_label.
Na EmpirioLabs, StepAudio 2.5 TTS é cobrado por uso: Síntese $0.85 por 10.000 caracteres. Você também pode escolher um plano com franquias semanais. A tabela de tarifas ao vivo desta página sempre corresponde ao que a API cobra.
O StepAudio 2.5 TTS recebe Texto como entrada e retorna Áudio.
StepAudio 2.5 TTS é servido por POST /v1/audio/speech em api.empiriolabs.ai com autenticação padrão por token Bearer.
Envie stepaudio-2-5-tts como modelo na sua requisição. Os IDs alternativos stepaudio-2.5-tts, stepfun/stepaudio-2-5-tts, stepfun/stepaudio-2.5-tts também funcionam.
StepFun lançou o StepAudio 2.5 TTS em 21 de abr. de 2026.
No EmpirioLabs, o StepAudio 2.5 TTS é servido a partir de International.
Sim. O playground da EmpirioLabs executa StepAudio 2.5 TTS no navegador com os mesmos parâmetros que a API expõe, para você testar prompts antes de escrever código.
Crie uma conta EmpirioLabs e gere uma chave em API Keys no painel. A cobrança usa créditos pay-as-you-go, então você paga apenas pelas requisições que faz. Você também pode escolher um plano com franquias semanais.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.