Masukan
Teks, ditambah suara bawaan atau kontrol desain/kloning suara yang didukung secara eksplisit.
pusat kemampuan audio-ucapan
Konversi Teks ke Suara API: suara, kontrol, dan keluaran audio
Bandingkan model-model TTS berdasarkan titik akhir, kontrol suara, unit penagihan, alur kerja keluaran, dan permintaan ucapan yang dapat dieksekusi.
Kontrak
Masukan, keluaran, dan siklus hidup.
Keluaran
Audio ucapan dalam format yang didukung model, atau bidang audio dalam respons obrolan.
Titik akhir
POST /v1/audio/speech or POST /v1/chat/completions, according to api_mode
Siklus hidup
Sinkron. Simpan respons audio biner atau dekode bidang audio yang dikembalikan oleh mode obrolan.
Tugas yang didukung
Satu definisi untuk setiap tugas.
teks ke ucapan, kloning suara
Membatasi: Identitas suara, persetujuan pengkloningan, cakupan bahasa, streaming, batasan karakter, dan format keluaran bersifat spesifik untuk setiap model.
Katalog yang cocok
7 dengan metadata eksplisit.
Kemampuan yang tidak diketahui dihilangkan, tidak pernah ditebak dari nama model. Contoh harga menggunakan data publik yang disinkronkan; Harga Dash langsung tetap menjadi acuan utama.
mimo-v2.5-tts
Xiaomi MiMo-V2.5-TTS — sintesis ucapan multibahasa ekspresif dengan suara bawaan, instruksi bergaya bahasa alami, emosi, kecepatan, nada, dialek, dan kontrol karakter.
Tugas: teks ke ucapan
Titik akhir: POST /v1/chat/completions
Contoh biaya: 1 10k karakter × $0 = $0.
stepaudio-2.5-tts
StepAudio 2.5 TTS — sintesis ucapan kontekstual dengan arahan bahasa alami sebaris, penyampaian ekspresif, suara bawaan, dan keluaran audio OpenAI-compatible.
Tugas: teks ke ucapan, kloning suara
Titik akhir: POST /v1/audio/speech
Contoh biaya: 1 10.85k karakter × $0.85 = $0.85.
glm-tts
GLM-TTS — sintesis ucapan yang peka konteks dengan penyampaian ekspresif, output streaming, audio pertama yang cepat, dan kontrol untuk suara, kecepatan, dan volume.
Tugas: teks ke ucapan
Titik akhir: POST /v1/audio/speech
Contoh biaya: 1 10.15k karakter × $0.35 = $0.35.
qwen3-tts-flash
Qwen3-TTS-Flash — Sintesis ucapan multibahasa latensi rendah dengan input bahasa campuran, suara bawaan, pencocokan bahasa otomatis, dan penagihan berbasis karakter.
Tugas: teks ke ucapan
Titik akhir: POST /v1/audio/speech
Contoh biaya: 1 10.4k karakter × $0.11 = $0.11.
speech-2.8-hd
MiniMax 2.8 — sintesis suara fidelitas tinggi dengan penyampaian emosi alami, peningkatan bahasa, kontrol suara, dan format audio produksi.
Tugas: teks ke ucapan
Titik akhir: POST /v1/audio/speech
Contoh biaya: 1 10.123077k karakter × $1 = $1.
speech-2.8-turbo
MiniMax 2.8 — sintesis suara yang berfokus pada kecepatan dengan keluaran alami, kontrol emosi, peningkatan bahasa, dan format audio produksi umum.
Tugas: teks ke ucapan
Titik akhir: POST /v1/audio/speech
Contoh biaya: 1 10.307692k karakter × $0.6 = $0.6.
step-tts-2
Langkah TTS 2 — sintesis ucapan ekspresif dengan suara resmi dan suara tiruan, kontrol kecepatan dan volume, pemetaan pengucapan, dan berbagai format keluaran.
Tugas: teks ke ucapan, kloning suara
Titik akhir: POST /v1/audio/speech
Contoh biaya: 1 10.538462k karakter × $0.414815 = $0.414815.
Lakukan simulasi atau estimasi sebelum pendaftaran.
Hitung biaya API · Buat permintaan curl, Python, atau JavaScript
Sumber dan metode: dataset publik harga model, diperbarui 2026-09-28. Keterbatasan sudah dinyatakan di atas; klaim pihak ketiga tetap menyertai halaman model yang mengutipnya.