StepAudio API

EmpirioLabs AI 上的全部 StepAudio 模型,共 11 个。比较之后,调用最适合你的任务、质量和预算的那一个。

StepFun 音频生成 转录 文本生成 11 个模型

关于 StepAudio API

EmpirioLabs 上的 StepAudio 汇集了 StepFun 的 11 个模型 API(包括 StepAudio 3 TTS, StepAudio 3 Chat, StepAudio 3 Gen, StepAudio 3 Music)。每个模型都有自己的页面,包含实时价格、参数、文档和 Playground 入口。

StepAudio 模型(11)

StepAudio API 价格

先一眼比较整个系列,再打开模型页面查看完整的实时价格表和参数。

音频生成: 按文本字符计价

模型最低费率适用于
StepAudio 3 Gen$0.14 每10,000字符生成
StepAudio 3 TTS$0.14 每10,000字符合成
StepAudio 2.5 TTS$0.85 每10,000字符合成

文本生成: 每 100 万 token,按输入费率排序

模型输入输出
StepAudio 2.5 Chat$1.50$3.50
StepAudio 3 Chat$1.50$3.50

转录: 按音频分钟或小时计价

模型最低费率适用于
StepAudio 2.5 ASR$0.05 每小时音频转录
StepAudio 2.5 ASR Stream$0.40 每小时音频转录
StepAudio 3 ASR Max$0.60 每小时音频转录
端点
POST/v1/audio/speech
价格
类型
规格
价格
合成
每10,000字符
$0.14
最适合
涵盖六种语言的人类级语音合成,包含12个系统语音、自然语言传递方向和流媒体播放。
端点
POST/v1/chat/completions
价格
类型
规格
价格
输入
每100万个提示词标记
$1.50
输出
每100万个生成代币
$3.50
隐式缓存读取
每 1M 缓存输入标记
$0.30
网络搜索(链接)
每次调用时
$0.013
最适合
音频和文本对话模型,在回答前先推理,带有函数调用和JSON输出。
端点
POST/v1/audio/generations
价格
类型
规格
价格
生成
每10,000字符
$0.14
最适合
将对话、音效、环境音和背景音乐合成在一个书面场景的片段中。
端点
POST/v1/audio/generations
价格
类型
规格
价格
文本与音乐
每生成秒
$0.000667
音频转音乐
每生成秒
$0.001334
最适合
根据风格描述创作完整歌曲,包括人声、编曲和混音,或器乐曲和翻唱。
端点
POST/v1/audio/transcriptions
价格
类型
规格
价格
转录
每小时音频
$0.60
最适合
专有名词、专业术语、方言及难听音频(如低语、快速说话和歌唱)的上下文感知转录。
端点
WEBSOCKET/v1/realtime
价格
类型
规格
价格
会议
每分钟
$0.125
最适合
语音输入,语音输出,通过一个插槽。回复中可中断,语音活动检测决定何时回复。
端点
WEBSOCKET/v1/realtime
价格
类型
规格
价格
输入
每100万个提示词标记
$1.50
输出
每100万个生成代币
$10.00
隐式缓存读取
每 1M 缓存输入标记
$0.30
最适合
说话进出,一个孔口,结合对语气和语速的副语言理解。
端点
WEBSOCKET/v1/realtime
价格
类型
规格
价格
转录
每小时音频
$0.40
最适合
通过插槽进行实时转录,随着说话者说话时返回部分结果,语音活动检测会标记每一句话。
端点
POST/v1/audio/transcriptions
价格
类型
规格
价格
转录
每小时音频
$0.05
最适合
StepFun 流式语音识别模型,用于中英音频转录。
端点
POST/v1/audio/speech
价格
类型
规格
价格
合成
每10,000字符
$0.85
最适合
情境式 StepFun text-to-speech具有自然语言语音指导和富有表现力的模型。
端点
POST/v1/chat/completions
价格
类型
规格
价格
输入
每100万个提示词标记
$1.50
输出
每100万个生成代币
$3.50
隐式缓存读取
每 1M 缓存输入标记
$0.30
网络搜索(链接)
每次调用时
$0.013
最适合
StepFun 音频和文本对话模型,具备文本输出和副语言理解功能。
在完整价格页比较所有模型

StepAudio 示例与对比

来自我们已发布测试的输出,每个都链接到其来源文章。

查看提到这个模型系列的提示词测试、输出笔记和对比实验。

StepAudio API:常见问题

什么是 StepAudio API?

EmpirioLabs 上的 StepAudio 涵盖 StepFun 的 11 个模型 API: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。你使用一个 EmpirioLabs API 密钥,并选择适合请求的模型 ID。

我该用哪个 StepAudio 模型?

从页面最符合你速度、质量和价格需求的模型开始,然后在EmpirioLabs Playground中测试。上面的对比卡片链接到每个模型的实时价格表和快速上手。

StepAudio 的价格如何展示?

按用量付费,或选择包含每周用量额度的套餐。本页卡片展示实时目录的简短摘要,每个模型页面展示与 API 计费一致的完整价格表。

在 EmpirioLabs AI 上,哪个 StepAudio 模型最便宜?

在按此方式计价的 3 个 StepAudio 模型中,StepAudio 3 Gen, StepAudio 3 TTS 的每字符费率并列最低。本页的价格表列出了每个模型的最低费率及其适用范围。

可以在浏览器里试用 StepAudio 吗?

可以。打开该系列的任意模型页面,使用其 Playground 链接在浏览器中测试提示词和参数,然后再集成 API。

准备好使用更好的终端了吗?

查看我们的定价,或者如果你想将自己的模型部署到我们的堆栈中,请联系我们。