
Gera diálogos, efeitos sonoros, ambientação e música de fundo juntos em um único clipe de uma cena escrita.
Gera diálogos, efeitos sonoros, ambientação e música de fundo juntos em um único clipe de uma cena escrita.
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 StepFun StepAudio 3 Gen
stepaudio-3-gen/v1/audio/generationsstepaudio-3-gen-previewstepfun/stepaudio-3-genResultados dos nossos testes publicados. Cada um leva ao post de onde vem.
Tarifas pay-as-you-go ao vivo do catálogo EmpirioLabs. Você também pode escolher um plano com franquias semanais.
StepAudio 3 Gen 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. Obtenha uma chave de API no painel EmpirioLabs.
curl https://api.empiriolabs.ai/v1/audio/generations \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "stepaudio-3-gen",
"prompt": "Describe what you want StepAudio 3 Gen to generate."
}'curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY"import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/generations",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={
"model": "stepaudio-3-gen",
"prompt": "Describe what you want StepAudio 3 Gen to generate.",
},
)
job = response.json()
# Generation runs as an async job. Poll until it completes.
import time
while True:
status = requests.get(
f"https://api.empiriolabs.ai/v1/jobs/{job['job_id']}",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
).json()
if status.get("status") in ("completed", "failed"):
print(status)
break
time.sleep(5)Parâmetros de requisição suportados pela API StepAudio 3 Gen na EmpirioLabs. Os padrões valem quando um campo é omitido.
| Parâmetro | Tipo | Padrão | Intervalo / valores | Descrição |
|---|---|---|---|---|
| prompt | string | - | - | Texto para falar, lido como escrito. Envolva um efeito sonoro ou uma pista musical entre colchetes quadrados e uma direção de entrega entre parênteses, e descreva o... |
| instruction | string | - | máx. 500 | Orientação global para o cenário, música de fundo e tom emocional. Máximo 500 caracteres. |
| roles | string | - | - | Alto-falantes opcionais, como objetos com nome e descrição de voz. Todos os nomes e descrições juntos são limitados a 500 caracteres. |
| scripts | string | - | - | Linhas ordenadas opcionais, como objetos com alto-falante e texto. Limitado a 1.000 caracteres no total. Use isso em vez de um prompt para cenas com múltiplos... |
| response_format | enum | mp3 | mp3, wav, flac, opus, pcm | Formato de áudio de saída. |
| sample_rate | enum | 24000 | 8000, 16000, 22050, 24000, 48000 | Taxa de amostragem de saída em Hz. |
| speed | number | 1 | 0.5 a 2 | Velocidade da fala. |
| volume | number | 1 | 0.1 a 2 | Volume de saída. |
| text_normalization | enum | standard | standard, enhanced | Como números, datas e símbolos são lidos em voz alta. |
Um clipe finalizado com falas, efeitos sonoros, ambiente e música de fundo juntos. O texto no prompt e scripts é falado conforme escrito: descreva o cenário e a música de fundo na instrução, envolva um efeito sonoro ou sinal musical entre colchetes e coloque uma direção de entrega entre parênteses. Envie um prompt, ou use papéis e scripts para controle de múltiplos alto-falantes. Funções e instruções são limitadas a 500 caracteres cada e scripts a 1.000. Os formatos de saída são mp3, wav, flac, opus e pcm. Vozes de referência e clonagem de vozes não estão disponíveis neste modelo. Este modelo está em prévia e suas capacidades podem mudar.
Anúncios, testes de prompts e comparações que cobrem este modelo.
Na EmpirioLabs, StepAudio 3 Gen é cobrado por uso: Geração $0.14 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 3 Gen recebe Texto como entrada e retorna Áudio.
StepAudio 3 Gen é servido por POST /v1/audio/generations em api.empiriolabs.ai com autenticação padrão por token Bearer.
Envie stepaudio-3-gen como modelo na sua requisição. Os IDs alternativos stepaudio-3-gen-preview, stepfun/stepaudio-3-gen também funcionam.
StepFun lançou o StepAudio 3 Gen em 9 de set. de 2026.
No EmpirioLabs, o StepAudio 3 Gen é servido a partir de International.
Sim. O playground da EmpirioLabs executa StepAudio 3 Gen 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.