Comparativas de modelos
Gemini 3.8 Flash TTS o Seed Speech 2.0, nivel a nivel: precios alineados, campos de la petición, límites y política de contenido medida.
Gemini 3.8 Flash TTS convierte un guion en un WAV mono de 24 kHz con una de 30 voces, o dos voces para un diálogo. Las señales entre corchetes como [whispering], [sighs] o [laughing] se interpretan en lugar de leerse en voz alta.
Ver Schema →Ver ejemplos de resultados →Seed Speech 2.0 de ByteDance en text-to-speech convierte un guion en un MP3 mono de 24 kHz con una de 41 voces predefinidas. Velocidad, tono y volumen son ajustables, notas en lenguaje simple dirigen el tono y no se aplica ningún filtro de contenido.
Ver Schema →Ver ejemplos de resultados →Comparar
Parte de la entrada que tienes, el resultado que buscas y tu presupuesto. Estas diferencias te ayudan a elegir.
Compara los ejemplos publicados y prueba ambos modelos con la misma entrada y ajustes equivalentes.
Precio actual
Un precio de entrada responde a otra pregunta distinta de la que tienes. Aquí están los niveles que ambos modelos publican, alineados ajuste por ajuste, en dólares estadounidenses por unidad facturada y sin conversión de por medio.
Estos dos cobran por niveles distintos, así que no hay filas que alinear. En su lugar van los niveles publicados por cada uno.
Gemini 3.8 Flash TTS: $0.00032 / segundos de salida
Seed Speech 2.0: $0.072 / miles de caracteres
Acerca de la comparativa
Cada fila se lee del JSON Schema contra el que valida el endpoint, así que coincide con lo que la API acepta de verdad y no con una lista de funciones escrita a mano.
Desliza horizontalmente para comparar todos los campos.
| Controles y límites | Gemini 3.8 Flash TTS | Seed Speech 2.0 |
|---|---|---|
| Tareas | text-to-speech | text-to-speech |
| Salida de audio | Sí | Sí |
| Ejecución | Enviar y luego consultar o recibir el callback | Enviar y luego consultar o recibir el callback |
| Tiempo máximo por petición | 30 minutos | 30 minutos |
| Disponibilidad | Disponible | Disponible |
¿Menos restricciones significa que se permite cualquier solicitud?
Detrás de estas etiquetas hay dos hechos distintos. El primero es lo que hacemos nosotros, que es nada: ningún filtro de contenido de la plataforma y ningún indicador de madurez que haya que marcar en una petición. El segundo es lo que hace cada modelo por su cuenta, y esa es la única parte que cambia entre estos dos.
Gemini 3.8 Flash TTS
Este modelo declara que no aplica filtros. SpicyAPI reenvía sin añadir análisis de contenido de la plataforma; las obligaciones legales y de consentimiento siguen siendo del cliente.
Nota de uso SpicyAPI no añade ningún filtro de contenido: los guiones se leen tal como están escritos, sin suavizar nada. Eres responsable de los guiones que envíes y del uso que le des al audio resultante, incluido no presentarlo como las palabras de una persona real.
Seed Speech 2.0
Este modelo declara que no aplica filtros. SpicyAPI reenvía sin añadir análisis de contenido de la plataforma; las obligaciones legales y de consentimiento siguen siendo del cliente.
Nota de uso SpicyAPI no aplica ningún filtro de contenido: los guiones NSFW se leen tal como están escritos. Eres responsable de los guiones que envías y del uso que le des al audio resultante, incluido no presentarlo como las palabras de una persona real.
Usa estas categorías para seleccionar modelos y consulta los ejemplos y detalles de las pruebas de contenido en sus páginas.
La etiqueta no cambia tus obligaciones. Edad, consentimiento, parecido con personas reales y la ley del lugar donde operas siguen siendo cosa tuya; SpicyAPI no revisa el contenido de cada petición.
¿Puedo cambiar solo el ID del modelo sin tocar el cuerpo de la solicitud?
El ciclo de la tarea es común; el cuerpo no. Cada endpoint publica su propio JSON Schema y la API valida contra ese, así que esta es la lista que hay que conciliar antes de cambiar.
Comparar
Los identificadores de modelo son google/gemini-3.8-flash-tts/text-to-speech y bytedance/seed-speech-2.0/text-to-speech, y los dos van en el mismo campo de la misma petición.
Los dos funcionan igual: envías la tarea y luego la consultas o recibes el callback. La cola y la lógica de reintentos se reutilizan tal cual.
El envío y el seguimiento siguen el mismo flujo, pero las entradas obligatorias pueden cambiar. Revisa ambas páginas de modelo antes de sustituir uno.
Una clave, un saldo, un mismo juego de topes de gasto. Ambos se facturan a la misma cuenta en dólares estadounidenses, y los topes diario, mensual y acumulado de la clave se aplican llames a cual llames.
Preguntas frecuentes
Cobran por niveles distintos, de modo que no hay una fila directamente comparable: Gemini 3.8 Flash TTS arranca en $0.00032 / segundos de salida y Seed Speech 2.0 en $0.072 / miles de caracteres. Comprueba la estimación actual antes de enviar.
Gemini 3.8 Flash TTS admite 30 minutos por tarea y Seed Speech 2.0 admite 30. Son techos, no tiempos habituales — la mayoría termina mucho antes —, pero tu propio timeout de cliente tiene que aguantarlos.
Los precios y funciones mostrados proceden del catálogo público actual. Consulta cada página de modelo para ver las entradas y ejemplos más recientes.