Modellvergleich
Gemini 3.8 Flash-Lite TTS oder Seed Speech 2.0: Preise je Stufe, Request-Felder, Grenzen und die gemessene Inhaltsstufe aus dem laufenden Katalog.
Gemini 3.8 Flash-Lite TTS ist Googles schnelleres, günstigeres Text-zu-Sprache-Modell: Wählen Sie eine von 30 Stimmen und erhalten Sie meist binnen Sekunden eine 24-kHz-Mono-WAV. Dialoge nutzen bis zu zwei Stimmen, die Zeichensetzung prägt den Vortrag.
Modell-Schema →Beispielergebnisse ansehen →ByteDances Seed Speech 2.0 Text-zu-Sprache macht aus einem Skript eine 24-kHz-Mono-MP3 in einer von 41 vordefinierten Stimmen. Tempo, Tonhöhe und Lautstärke sind einstellbar, Regieanweisungen in Klartext lenken den Ton, es wird kein Inhaltsfilter angewendet.
Modell-Schema →Beispielergebnisse ansehen →Vergleichen
Gehen Sie von Ihrer Eingabe, dem gewünschten Ergebnis und Ihrem Budget aus. Diese Unterschiede helfen bei der Auswahl.
Vergleichen Sie die veröffentlichten Beispiele und testen Sie beide Modelle mit derselben Eingabe und passenden Einstellungen.
Aktueller Preis
Ein Einstiegspreis beantwortet meist eine andere Frage als die, die Sie haben. Hier stehen die Stufen, die beide Modelle veröffentlichen, Einstellung für Einstellung gegenübergestellt, in US-Dollar je abgerechneter Einheit und ohne Umrechnungsschritt dazwischen.
Diese beiden rechnen nach unterschiedlichen Stufen ab, eine gemeinsame Zeile gibt es also nicht. Stattdessen stehen hier die jeweils eigenen veröffentlichten Stufen.
Gemini 3.8 Flash-Lite TTS: $0.00021 / Ausgabesekunden
Seed Speech 2.0: $0.072 / 1.000 Zeichen
Über diesen Vergleich
Jede Zeile hier stammt aus dem JSON Schema, gegen das der Endpunkt validiert. Sie entspricht also dem, was die API wirklich annimmt, und nicht einer von Hand gepflegten Funktionsliste.
Horizontal wischen, um alle Felder zu vergleichen.
| Einstellungen und Grenzen | Gemini 3.8 Flash-Lite TTS | Seed Speech 2.0 |
|---|---|---|
| Aufgaben | text-to-speech | text-to-speech |
| Audioausgabe | Ja | Ja |
| Ausführung | Absenden, dann abfragen oder Callback | Absenden, dann abfragen oder Callback |
| Zeitlimit je Anfrage | 30 Minuten | 30 Minuten |
| Verfügbarkeit | Verfügbar | Verfügbar |
Bedeutet weniger eingeschränkt, dass jede Anfrage erlaubt ist?
Hinter diesen Kennzeichnungen stehen zwei getrennte Sachverhalte. Der erste betrifft uns und lautet: nichts. Kein Inhaltsfilter der Plattform und kein Reifekennzeichen, das an einer Anfrage gesetzt werden müsste. Der zweite betrifft das Verhalten jedes Modells für sich, und nur dieser Teil unterscheidet die beiden.
Gemini 3.8 Flash-Lite TTS
Dieses Modell filtert Inhalte nach eigener Angabe nicht. SpicyAPI leitet die Anfrage ohne zusätzliche Plattformprüfung weiter; Rechts- und Einwilligungspflichten bleiben beim Kunden.
Nutzungshinweis SpicyAPI fügt keinen Inhaltsfilter hinzu: NSFW-Skripte werden wortgetreu vorgelesen. Sie sind verantwortlich für die Skripte, die Sie senden, und dafür, wie Sie die resultierende Audio verwenden – auch dafür, sie nicht als die Worte einer echten Person auszugeben.
Seed Speech 2.0
Dieses Modell filtert Inhalte nach eigener Angabe nicht. SpicyAPI leitet die Anfrage ohne zusätzliche Plattformprüfung weiter; Rechts- und Einwilligungspflichten bleiben beim Kunden.
Nutzungshinweis SpicyAPI fügt keinen Inhaltsfilter hinzu: NSFW-Skripte werden genau wie geschrieben vorgelesen. Sie sind verantwortlich für die Skripte, die Sie senden, und dafür, wie Sie die resultierende Audiodatei verwenden – auch dafür, sie nicht als die Worte einer realen Person auszugeben.
Grenzen Sie die Auswahl anhand der Inhaltskategorien ein. Beispiele und Details zu Inhaltstests finden Sie auf den jeweiligen Modellseiten.
An Ihren Pflichten ändert die Kennzeichnung nichts. Alter, Einwilligung, Abbildung realer Personen und das Recht an Ihrem Standort bleiben bei Ihnen; SpicyAPI prüft nicht jede Anfrage inhaltlich.
Kann nur die Modell-ID ausgetauscht und der Request Body beibehalten werden?
Der Auftragsablauf ist einheitlich, der Request Body nicht. Jeder Endpunkt veröffentlicht sein eigenes JSON Schema, und die API validiert dagegen. Das ist die Liste, die Sie vor einem Wechsel abgleichen.
Vergleichen
Die Modellkennungen lauten google/gemini-3.8-flash-lite-tts/text-to-speech und bytedance/seed-speech-2.0/text-to-speech; beide stehen im selben Feld derselben Anfrage.
Beide laufen gleich ab: Auftrag absenden, dann abfragen oder den Callback entgegennehmen. Warteschlange und Wiederholungslogik übernehmen Sie unverändert.
Absenden und Fortschritt verfolgen funktionieren gleich, die Pflichtfelder können sich jedoch unterscheiden. Prüfen Sie vor einem Wechsel beide Modellseiten.
Ein Schlüssel, ein Guthaben, ein Satz Ausgabengrenzen. Beide werden demselben Konto in US-Dollar berechnet, und die Tages-, Monats- und Gesamtgrenzen je Schlüssel gelten für beide gleichermaßen.
Häufige Fragen
Die beiden rechnen nach unterschiedlichen Stufen ab, eine direkt vergleichbare Zeile gibt es deshalb nicht: Gemini 3.8 Flash-Lite TTS beginnt bei $0.00021 / Ausgabesekunden, Seed Speech 2.0 bei $0.072 / 1.000 Zeichen. Vor dem Senden den aktuellen Kostenvoranschlag prüfen.
Gemini 3.8 Flash-Lite TTS erlaubt 30 Minuten je Auftrag, Seed Speech 2.0 erlaubt 30. Das sind Obergrenzen und keine üblichen Laufzeiten — die meisten Anfragen sind weit früher fertig —, aber Ihr eigener Client-Timeout muss sie aushalten.
Die angezeigten Preise und Funktionen stammen aus dem aktuellen öffentlichen Modellkatalog. Neueste Eingaben und Beispiele finden Sie auf der jeweiligen Modellseite.