StepAudio 3 TTS API

关于 StepAudio 3 TTS

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。

字符计数遵循StepFun定价：一个汉字算一个字符，两个英文字母算一个字符，两个标点符号算一个字符。

也称为 StepFun StepAudio 3 TTS

StepAudio 3 TTS 规格

模型 ID

stepaudio-3-tts

开发方

StepFun

类别

音频生成

发布日期

2026年9月9日

输入

文本

输出

音频

区域

International

端点

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

备用模型 ID

stepfun/stepaudio-3-tts

StepAudio 3 TTS API 价格

来自 EmpirioLabs 目录的实时按量计费价格。只为实际用量付费，没有月度最低消费。

如何调用 StepAudio 3 TTS API

StepAudio 3 TTS 通过 POST /v1/audio/speech 生成语音并返回可播放的音频。把要朗读的文本作为 input，连同模型 ID stepaudio-3-tts 一起发送。 在EmpirioLabs 控制台获取 API 密钥。

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)

StepAudio 3 TTS API 参数

EmpirioLabs 上 StepAudio 3 TTS API 支持的请求参数。省略字段时使用默认值。

须知

最大输入为1000个字符。括号内的内容被视为传递方向，不为口语。使用指令进行全局情感或风格指导，最多500个字符。提供12种系统语音，并接受自定义克隆语音ID。识别语言包括中文、英语、日语、韩语、法语和西班牙语，预览中除了中文和英语外还有其他语言。输出格式包括mp3、wav、flac、opus和PCM，频率为8000、16000、22050或24000 Hz。Wav以完整文件形式返回，而非流式传输。该型号不支持voice_label。

StepAudio 3 TTS API：常见问题

StepAudio 3 TTS API 收费多少？

在 EmpirioLabs，StepAudio 3 TTS 按量计费：合成 $0.36 每10,000字符。本页的实时价格表始终与 API 的实际计费一致。

StepAudio 3 TTS 使用哪个端点？

StepAudio 3 TTS 通过 api.empiriolabs.ai 上的 POST /v1/audio/speech 提供，使用标准的 Bearer 令牌认证。

集成之前可以在浏览器里试用 StepAudio 3 TTS 吗？

可以。EmpirioLabs Playground在浏览器中以与 API 相同的参数运行 StepAudio 3 TTS，你可以在写代码之前先测试提示词。

如何获取 StepAudio 3 TTS API 密钥？

创建 EmpirioLabs 账户，然后在控制台的 API Keys生成密钥。计费使用按量付费的额度，只为实际发出的请求付费。