Modellvergleich
Grok TTS hat einen um 75% niedrigeren Listenpreis als Seed Speech 2.0. Preise je Stufe, Request-Felder und Grenzen im direkten Vergleich.
Grok TTS ist xAIs Text-zu-Sprache und liest ein Skript mit bis zu 15.000 Zeichen in einer von 71 vordefinierten Stimmen in 20 Sprachen. Sprach-Tags wie laughs und whispers werden gespielt, das Tempo reicht vom 0,7- bis zum 1,5-Fachen.
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.
Horizontal wischen, um alle Felder zu vergleichen.
| Stufe | Grok TTS | Seed Speech 2.0 | Unterschied |
|---|---|---|---|
| Aktueller Preis | $0.018 / 1.000 Zeichen | $0.072 / 1.000 Zeichen | Grok TTS −75% |
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 | Grok 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.
Grok 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 legt keinen Inhaltsfilter darüber: NSFW-Skripte werden gelesen, wie sie geschrieben sind. Sie sind verantwortlich für die Skripte, die Sie senden, und für die Verwendung des erzeugten Audios, einschließlich dessen, es nicht als Worte einer realen 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 xai/grok-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
Grok TTS hat einen um 75% niedrigeren Listenpreis. Vor dem Senden den aktuellen Kostenvoranschlag prüfen.
Grok 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.