StepAudio 3 TTS API

Sobre StepAudio 3 TTS

Síntese de fala em nível humano em seis idiomas, com 12 vozes de sistema, direção de entrega em linguagem natural e reprodução em streaming.

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 TTS

Especificações de StepAudio 3 TTS

ID do modelo

stepaudio-3-tts

Autor

StepFun

Categoria

Geração de Áudio

Lançado

9 de set. de 2026

Entrada

Texto

Saída

Áudio

Região

International

Endpoints

POST/v1/audio/speechPOST/v1/audio/speech:stream

IDs de modelo alternativos

stepfun/stepaudio-3-tts

Preços da API StepAudio 3 TTS

Tarifas pay-as-you-go ao vivo do catálogo EmpirioLabs. Você paga só pelo que usa, sem mínimo mensal.

Como chamar a API StepAudio 3 TTS

StepAudio 3 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-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": "stepaudio-3-tts",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

import requests

response = requests.post(
    "https://api.empiriolabs.ai/v1/audio/speech",
    headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
    json={"model": "stepaudio-3-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
    f.write(response.content)

Parâmetros da API StepAudio 3 TTS

Parâmetros de requisição suportados pela API StepAudio 3 TTS na EmpirioLabs. Os padrões valem quando um campo é omitido.

Bom saber

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, e um ID de voz clonado personalizado também é aceito. Os idiomas reconhecidos são chinês, inglês, japonês, coreano, francês e espanhol, com idiomas além do chinês e inglês na 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 em streaming. Este modelo não suporta voice_label.

API StepAudio 3 TTS: perguntas frequentes

Quanto custa a API StepAudio 3 TTS?

Na EmpirioLabs, StepAudio 3 TTS é cobrado por uso: Síntese $0.36 por 10.000 caracteres. A tabela de tarifas ao vivo desta página sempre corresponde ao que a API cobra.

Qual endpoint StepAudio 3 TTS usa?

StepAudio 3 TTS é servido por POST /v1/audio/speech em api.empiriolabs.ai com autenticação padrão por token Bearer.

Posso testar StepAudio 3 TTS no navegador antes de integrar?

Sim. O playground da EmpirioLabs executa StepAudio 3 TTS no navegador com os mesmos parâmetros que a API expõe, para você testar prompts antes de escrever código.

Como consigo uma chave de API StepAudio 3 TTS?

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.