Updates, die für Ihre Integration zählen

Googles Gemini 2.5 Pro Sprachsynthese ist jetzt auf SpicyAPI als google/gemini-2.5-pro-tts/text-to-speech verfügbar.

• Eingabe: ein Skript mit bis zu 5.000 Zeichen. Hinweise in eckigen Klammern wie [sighs] werden gespielt, nicht vorgelesen.
• Stimme: eine von 30 vorgefertigten Stimmen mit jeweils festem Charakter – von hell und fest bis hauchig und warm.
• Regie: ein optionaler Stil (whisper, empathetic, vocalsmile, newscaster, promohype oder deadpan), einer von 8 englischen Akzenten sowie freier Text in instructions zu Tempo, Stimmung und Zielperson – nichts davon wird mitgesprochen.
• Ausgabe: eine WAV-Datei, 24 kHz, 16 Bit, Mono.
• Preis: 0,00045 $ pro Sekunde gelieferten Audios (rund 0,027 $ pro Minute), 10 % unter Googles Listenpreis. Während die Aufgabe läuft, wird ein Betrag für den längstmöglichen Clip reserviert und freigegeben, sobald das Audio gemessen ist; fehlgeschlagene Anfragen werden nicht berechnet.

Wie weit es geht. Wir setzen keinen eigenen Inhaltsfilter ein. In unseren Tests hat das Modell NSFW-Skripte vollständig gelesen – direkte Dialogzeilen, erzählte Fiktion, hauchige Stimm-Hinweise –, ohne Wörter auszulassen oder den Clip abzuschneiden. Dieser Endpunkt unterstützt keinen Zwei-Stimmen-Dialog und kein Voice-Cloning: pro Anfrage steht eine der 30 vorgefertigten Stimmen zur Verfügung.

Gemini 2.5 Pro TTS ausprobieren →

Anthropics neuestes Opus, veröffentlicht am 22. September, ist jetzt auf SpicyAPI als anthropic/claude-opus-5.5/chat verfügbar, über einen OpenAI-kompatiblen Endpunkt unter /v1/chat/completions.

• Preis: 3,60 $ pro Million Eingabe-Tokens, 0,18 $ für zwischengespeicherte Tokens, 4,50 $ für das Schreiben in den Cache und 18 $ für Ausgabe-Tokens – 10 % unter Anthropics Listenpreis.
• Kontextfenster: 1.000.000 Tokens Eingabe, bis zu 128.000 Ausgabe.
• Denken ist immer aktiv: reasoning_effort akzeptiert low, medium oder high, mit medium als Standard.
• Tools: bis zu 128 Definitionen; tool_choice akzeptiert nur auto oder none, da das Modell einen erzwungenen Tool-Aufruf ablehnt.

Wie weit es geht. Wir fügen keinen eigenen Inhaltsfilter hinzu. Am Launch-Tag haben wir ihm 24 Adult-Content-Tests in drei Prompt-Stilen geschickt, und keiner wurde abgelehnt. Unter einem System-Prompt für Adult-Fiction hat es jede intime Szene vollständig ausgeschrieben; bei direkter Anfrage hat es meist eine entschärfte Version geschrieben, wo Claude Opus 5 komplett abgelehnt hätte.

Claude Opus 5.5 ausprobieren →

Klings aktuelle Video-Modellreihe ist jetzt bei SpicyAPI verfügbar – abgerechnet pro Sekunde in US-Dollar, ganz ohne Paket, das Sie im Voraus kaufen müssten.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit): Kling 3.0 Omni. Bringen Sie bis zu sieben Referenzfotos in eine einzige Einstellung ein, bearbeiten Sie einen bereits vorhandenen Clip (eine 3 bis 10 Sekunden lange Quelle) und nutzen Sie intelligente Multi-Shot-Schnitte sowie nativen Ton, bis zu 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation): das Flaggschiff, mit erstem und letztem Frame, bis zu 4K und zuschaltbarem Ton. Motion Control überträgt Bewegungen, Mimik und Gesten aus einem 3 bis 30 Sekunden langen Clip auf Ihre eigene Figur.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video): jeder Clip kommt mit nativem Ton, in 720p oder 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation): Klings erstes Modell mit nativem Ton, 1080p in 5 oder 10 Sekunden, mit eigenem Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video): preisgünstiges 1080p in 5 oder 10 Sekunden, mit Schlussframe, Negative Prompt und Guidance.
• Kling 2.1 (kling/2.1/image-to-video) und Kling 2.1 Master (kling/2.1-master/text-to-video, /image-to-video): die vorherige Generation, von 720p-Image-to-Video bis zum hochauflösenden 1080p von Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar): ein Porträt und eine Audiospur genügen, damit diese Person spricht oder singt, solange die Audiodatei läuft – bis zu etwa fünf Minuten.

Kling prüft Inhalte selbst: Angedeutetes kommt manchmal durch, alles Freizügigere wird abgelehnt, und eine abgelehnte Anfrage wird nie berechnet. Für Inhalte für Erwachsene nutzen Sie eine unserer Spicy-Familien.

Kling O3, Kling 3.0, Kling 2.5 Turbo und Kling Avatar 2.0 liegen unter Klings eigenem Listenpreis pro Sekunde.

Das Testcenter bewertet Modelle jetzt danach, wie gut ihre Ausgabe tatsächlich aussieht, und nicht danach, wie viele technische Daten aufgelistet sind.

• Die Ausgabequalität macht 85 % des Spicy Index aus. Sie kombiniert öffentliche Leaderboards mit menschlicher Abstimmung (arena.ai, Artificial Analysis, Design Arena) mit unserem eigenen Blindtest: 112 Prompts, jedes Modell erhält denselben Prompt, bewertet von drei Prüfern aus unterschiedlichen Modellhäusern, die die Modellnamen nie zu sehen bekommen. Technische Daten wie Auflösung, Länge und unterstützte Eingaben machen 15 % aus, wobei die Auflösung bei nativem 1080p gedeckelt ist.
• Der Blindtest wird gegen menschliche Abstimmungen geprüft. In Bereichen, in denen unsere Prüfer nicht ausreichend mit öffentlichen Leaderboards mit menschlicher Abstimmung übereinstimmen, zählt der Blindtest nur mit reduziertem Gewicht, und ein Modell mit ausschließlich Blindtest-Belegen wird dort zwar angezeigt, aber nicht eingestuft. In dieser Runde betrifft das Video, wo die Prüfer meist nur gesampelte Einzelbilder sehen und Kameraführung dabei entgeht. In jedem Testbericht steht, welche Regel angewendet wurde.
• Ton zählt ebenfalls. Bei sechs Audio-Prompts haben wir bewertet, wie klar die Sprache ist, wie gut die Lippensynchronisation sitzt, wie die Emotion wirkt und ob jeder Klang genau im richtigen Moment einsetzt.
• 69 neue Testberichte in 10 Sprachen: 32 Bild- und Videomodelle, 20 Sprachmodelle und 17 Tools, jeweils mit unseren eigenen Testergebnissen und aktuellen Preisen.
• 106 neue Prompts in der Arena mit 1.693 Ausgaben zur Abstimmung.

Die vollständigen Regeln finden Sie auf der Methodik-Seite.

Das Werkzeug-Panel in Spicy Studio listet jetzt alle Werkzeuge, gruppiert nach „Aus einem Bild“, „Aus einem Video“ und „Menschen & Gesichter“, mit dem Preis bei jedem Werkzeug, das direkt aus dem Panel läuft. Wählen Sie ein Werkzeug und dann eines Ihrer Ergebnisse oder laden Sie eine Datei hoch.

Neu in Studio:

• Gesichtstausch auf Fotos gibt es in drei Stufen. Standard ist schnell und behält Haare und Kopfform Ihres Fotos, Plus passt den Hautton an und entscheidet je Foto, ob nur das Gesicht oder der ganze Kopf übertragen wird, und Pro erhält die meisten Gesichtsdetails.
• Kopf- und Figurentausch im Video laufen in zwei Schritten. Studio findet zuerst alle Personen im Clip, Sie wählen, wer ersetzt wird, und erst dann läuft der Tausch. Findet der erste Schritt niemanden, erhalten Sie den Betrag dafür zurück, und es läuft nichts weiter.

Wenn Sie zum ersten Mal ein Werkzeug nutzen, das mit dem Gesicht eines echten Menschen arbeitet – sprechender Avatar und Lip-Sync eingeschlossen –, bittet Studio Sie, drei Regeln zuzustimmen: nur Ihr eigenes Gesicht oder die Gesichter von Menschen, die zugestimmt haben; niemals Fotos von Personen unter 18 Jahren; und keine Verwendung, um sich als jemand anderes auszugeben oder andere in die Irre zu führen. Ihre Zustimmung wird auf diesem Gerät gespeichert.

Öffnen Sie eine Leinwand über Leinwand, füllt sie jetzt den ganzen Bildschirm: ein Punktraster, Ihre Einstellungen als Knoten und die Bedienelemente am Rand.

• Knoten überall hinzufügen. Doppel- oder Rechtsklick auf eine freie Stelle, + in der unteren Werkzeugleiste oder die Taste N. Fügen Sie ein Bild, ein Video, eine Bearbeitung, eine Notiz oder eine Szene mit vier Einstellungen hinzu, oder holen Sie einen Upload, ein Ergebnis aus „Meine Werke“, eine Vorlage, einen Stil oder einen Effekt dazu.
• An jedem Ergebnis weiterarbeiten. Bilder und Clips haben rechts ein +, das „Aus diesem Knoten erzeugen“ öffnet: ein Video aus einem Bild, eine Bearbeitung, ein neuer Look, der letzte Frame eines Clips als Bild oder jedes Werkzeug, das darauf passt. Prompt-Knoten haben links ein +, das eine Eingabe hinzufügt: einen Upload, etwas aus „Meine Werke“ oder einen anderen Knoten auf der Leinwand.
• Planen, bevor etwas läuft. Verbinden Sie einen Bildknoten mit einem Videoknoten, und das Video startet aus diesem Bild, sobald es fertig ist. Das Prompt-Feld zeigt den Preis dieses Schritts und den Preis für beide zusammen.
• Direkt am Knoten prompten. Wählen Sie einen Prompt-Knoten, und sein Prompt-Feld öffnet sich gleich daneben, mit Modell, Referenzen, Stil, Einstellungen und dem Preis auf der Senden-Schaltfläche. Verbundene Bilder sind nummeriert, sodass Sie mit @ auf eines verweisen können, zum Beispiel @image2. Bei Videomodellen, die ein Endbild annehmen, wählen Sie, ob zwei Bilder Start- und Endbild oder Referenzen sind.
• Eine Werkzeugleiste. Auswählen, Hand, Bibliothek, Meine Werke, Werkzeuge, Rückgängig und Wiederholen liegen in der Leiste unten; Zoom, An Bildschirm anpassen und die Minikarte sitzen in der Ecke. Die Linien zwischen Knoten und die Storyboard-Ansicht schalten Sie oben um.

Nichts läuft, bevor Sie auf Generieren klicken, und jeder Lauf zeigt zuerst seinen Preis.

Das Eingabefeld in Spicy Studio presst nicht mehr jedes Modell in vier Formen und drei Längen. Es zeigt, was das gewählte Modell tatsächlich annimmt.

• Bildformate als Zahlen. Jedes Seitenverhältnis, das das Modell unterstützt, steht in der Liste, von 1:1 und 4:5 über 9:16 bis 21:9, jeweils mit einem kleinen maßstabsgetreuen Rahmen. Kann das Modell die Form selbst wählen oder Ihrem Foto folgen, steht „Auto“ vorn.
• Jede unterstützte Länge. Bis zu sieben Längen erscheinen als Schaltflächen, größere Bereiche als Schieberegler. Bietet das Modell „Auto“ an, sehen Sie, wie lang das Ergebnis höchstens wird.
• Modell wechseln, ohne neu anzufangen. Bietet das neue Modell Ihr Format oder Ihre Länge nicht an, wählt Studio den nächstgelegenen Wert und sagt Ihnen, was sich geändert hat.
• Videovorlagen mit Vorschau. Alle 20 Videovorlagen haben jetzt einen echten Beispielclip, der abspielt, sobald Sie mit der Maus über die Karte fahren. Jeder wurde mit MiniMax H3 aus dem Prompt der Vorlage erzeugt, und MiniMax H3 ist auch das Modell, mit dem die Vorlage öffnet. Die Vorlagenbibliothek lässt sich zwischen Bildern und Videos umschalten.
• Stilkarten behalten ihr Motiv, wenn Sie mit der Maus darüberfahren. So vergleichen Sie Looks, nicht Personen.

Drei neue Bildfamilien betreiben offene Modelle mit bis zu drei eigenen LoRA-Dateien pro Anfrage, jede mit eigener Stärke. Jedes Bild kostet einen Fixpreis, unabhängig vom Seitenverhältnis.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): Alibabas Z-Image Turbo mit 8 Schritten, wenige Sekunden pro Bild, neun Seitenverhältnisse mit etwa einem Megapixel, dazu Bild-zu-Bild mit regelbarer Stärke.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): FLUX.1 [dev] von Black Forest Labs, das Basismodell mit mehr als tausend Community-LoRAs auf Hugging Face, mit regelbarer Guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512 mit bis zu 1536 Pixeln an der langen Seite, dazu Bearbeitung mit Qwen-Image-Edit-2511 aus einer bis drei Quellen und mit Bearbeitungs-LoRAs, etwa für neue Kamerawinkel.

Eine LoRA ist ein direkter Link auf eine .safetensors-Datei: kein Upload, keine Positivliste, keine Prüfung. Alle fünf Endpunkte sind unzensiert, und das Laden von LoRAs kostet nichts extra.

Lip-Sync (spicyapi/lip-sync-v1/lip-sync) berechnet jetzt die Sekunden des Audios, das Sie senden, nicht die des gelieferten Videos. Das Video läuft meist etwa eine halbe Sekunde länger als das Audio; diese Zeit wird nicht mehr berechnet.

Der Preis bleibt bei $0.012 pro Sekunde, aufgerundet auf volle Sekunden, mindestens 3 Sekunden. Ein Sprachclip von 4,5 Sekunden wird jetzt als 5 Sekunden abgerechnet, also $0.06; nach der Länge des gelieferten Videos konnten es 6 Sekunden werden, also $0.072. Ihre Anfragen bleiben gleich, und in Spicy Studio gilt dieselbe Regel.

Spicy Studio ist seit dem 26. September unter spicyapi.ai/create geöffnet. Dieselben Modelle und dieselben Preise pro Lauf wie über die API – in einem Arbeitsbereich, der zum Gestalten gebaut ist, nicht zum Integrieren.

• Eine Zeile, dann Generieren. Wählen Sie Bild oder Video, schreiben Sie, was Sie sehen möchten, oder übernehmen Sie mit Tab das Beispiel. Jeder Modus startet mit einem passenden Modell, das Sie jederzeit wechseln können; Ihr Prompt wandert mit. Der Preis auf der Schaltfläche ist das Maximum, das der Lauf kosten kann, und berechnet wird erst, wenn Sie klicken.
• 97 Looks, 4 Finishes und 12 Effekte. Ein Look umgibt Ihr Motiv mit erprobten Formulierungen für Licht, Farbe und Medium – Film, Editorial, Anime, Malerei, 3D und ein After-Dark-Set – und zeigt den vollständigen Prompt vor dem Lauf. Er kostet nichts extra. Ein Effekt macht aus einem Foto eine fertige Einstellung: Push-in, Orbit, Drohnenaufstieg, Regen, Schnee, 16-mm-Look.
• 150 Vorlagen in 13 Gruppen. Jede ist ein fertiges Briefing mit Set, Licht und Objektiv; Sie sagen nur, wer im Bild ist.
• Leinwand für Arbeiten mit mehr als einer Einstellung. Verzweigen Sie jedes Bild in ein Video, eine Bearbeitung oder Varianten, machen Sie das letzte Bild eines Clips zum Anfang des nächsten, fassen Sie Takes zu Szenen zusammen und spielen Sie sie als Storyboard ab. Beispielprojekte zeigen jeden Prompt und lassen sich komplett kopieren.
• Werkzeuge an jedem Ergebnis: Die acht neuen Werkzeuge, vom Freistellen bis zur Lippensynchronisation, stehen neben „In Bewegung setzen“ und „Varianten“.
• Verbessern schreibt eine Idee aus einer Zeile vor dem Lauf zu einem ausführlichen Prompt für das gewählte Modell um; das wird separat berechnet, zum kleinen Betrag auf der Schaltfläche.
• Standardmäßig privat. Nichts wird in einem Feed oder einer Galerie veröffentlicht. Ergebnisse bleiben 14 Tage in „Meine Werke“, Uploads werden nach einem Tag gelöscht, und mit „Unscharf, bis ich tippe“ bleiben Ergebnisse verdeckt, bis Sie sie antippen.

Stöbern, Beispiele laden und genaue Preise sehen geht ohne Konto; zum Generieren brauchen Sie eines, und Ihr Entwurf bleibt während der Anmeldung erhalten. Jeder Lauf im Studio ist zugleich ein API-Aufruf mit denselben Parametern – ein Look, den Sie hier festlegen, wandert direkt in Ihren Code.

Der Seitenkopf hat sich mit geändert: Modelle · Studio · Rankings · Entwickler · Preise. Die Modellzusammenstellungen, die bisher unter „Entdecken“ lagen, finden Sie jetzt unter „Sammlungen“ im Menü „Modelle“.

Am 26. September sind acht Endpunkte mit je einer Aufgabe live gegangen. Jeder erledigt einen Arbeitsschritt an einem Bild oder Clip, den Sie schon haben, zu einem festen Preis. Rufen Sie sie wie jedes andere Modell auf, oder nutzen Sie sie in Spicy Studio unter „Werkzeuge“ und direkt an Ihren Ergebnissen.

Was die Rechnung bestimmt:

• Video-Upscaling wird nach der Länge des Ausgangsclips berechnet, auf volle Sekunden aufgerundet, mindestens 3 Sekunden.
• Sprechender Avatar und Lippensynchronisation werden nach dem gelieferten Video berechnet, das so lang ist wie Ihr Audio (mindestens 3 Sekunden). Ein Clip, der kürzer ist als das Audio, wird bei der Lippensynchronisation geloopt.
• Soundeffekte werden nach dem angeforderten duration_seconds berechnet (1–30, Standard 8), nicht nach Ihrem Clip – stellen Sie den Wert also auf die Cliplänge ein. Erzeugt werden Effekte und Atmo, keine Dialoge und keine Musik.
• Audio- und Video-Eingaben müssen direkte Links auf die Datei sein; am zuverlässigsten ist der Upload. Eingaben außerhalb der zulässigen Länge werden abgelehnt, bevor etwas berechnet wird.

xAI hat Grok 4.7 am 21. September veröffentlicht, und xai/grok-4.7/chat ist hier seit dem 22. September aufrufbar – im selben OpenAI-Chatformat und mit SSE-Streaming wie die anderen Grok-Endpunkte.

• 40% unter dem von xAI veröffentlichten Preis in der Standardstufe ($2 / $0.50 / $6) und 60% unter dessen Long-Context-Stufe ($4 / $1 / $12).
• Auf dieser Route unzensiert. Am 22. September kamen neun Schreibproben von Stufe 4 unserer fünfstufigen Inhaltstests, in drei Prompt-Stilen, als neun vollständige Szenen ohne Ablehnung zurück; am 24. September bestand das Modell auch alle übrigen Stufen, die oberste eingeschlossen. Einen eigenen Filter setzen wir nicht davor.
• Die System-Rolle wird beachtet – gezielt geprüft –, sodass ein Rahmen vom Anfang eines Threads bis zum Ende trägt.
• Reasoning wird als Ausgabe berechnet. Der Standard high kostet mehr, als es aussieht; für Dialoge liest sich low oder medium besser und ist günstiger.