Les mises à jour qui comptent pour votre intégration

La synthèse vocale Gemini 2.5 Pro de Google est désormais disponible sur SpicyAPI sous la forme de google/gemini-2.5-pro-tts/text-to-speech.

• Entrée : un script de jusqu’à 5 000 caractères. Les indications entre crochets telles que [sighs] sont interprétées, pas lues à voix haute.
• Voix : l’une de 30 voix prédéfinies, chacune avec un caractère fixe, du ton clair et affirmé à la voix douce et haletante.
• Interprétation : un style facultatif (whisper, empathetic, vocalsmile, newscaster, promohype ou deadpan), l’un de 8 accents anglais, et des instructions en texte libre sur le rythme, l’ambiance et le destinataire — rien de tout cela n’est prononcé.
• Sortie : un fichier WAV, 24 kHz, 16 bits, mono.
• Prix : 0,00045 $ par seconde d’audio renvoyé (environ 0,027 $ par minute), 10 % sous le tarif catalogue de Google. Pendant l’exécution de la tâche, un montant est retenu pour le clip le plus long possible, puis la différence est libérée une fois l’audio mesuré ; les requêtes échouées ne sont pas facturées.

Jusqu’où ça va. Nous n’ajoutons aucun filtre de contenu. Lors de nos tests, le modèle a lu des scripts NSFW dans leur intégralité : répliques directes, fiction narrée, indications de voix haletante, sans sauter un mot ni couper le clip avant la fin. Ce point de terminaison ne prend pas en charge le dialogue à deux voix ni le clonage vocal : une voix parmi les 30 voix prédéfinies par requête.

Essayer Gemini 2.5 Pro TTS →

Le dernier Opus d’Anthropic, sorti le 22 septembre, est maintenant sur SpicyAPI sous la référence anthropic/claude-opus-5.5/chat, sur un point de terminaison compatible OpenAI unique à /v1/chat/completions.

• Prix : 3,60 $ par million de tokens en entrée, 0,18 $ pour les tokens en cache, 4,50 $ pour l’écriture en cache et 18 $ en sortie, soit 10 % sous le tarif catalogue d’Anthropic.
• Fenêtre de contexte : 1 000 000 tokens en entrée, jusqu’à 128 000 en sortie.
• La réflexion est toujours active : reasoning_effort accepte low, medium ou high, medium étant la valeur par défaut.
• Outils : jusqu’à 128 définitions ; tool_choice n’accepte que auto ou none, car le modèle refuse un appel d’outil forcé.

Jusqu’où il va. Nous n’ajoutons aucun filtre de contenu qui nous soit propre. Le jour du lancement, nous lui avons envoyé 24 tests de contenu pour adultes selon trois styles de prompt différents, et il n’en a refusé aucun. Sous un system prompt de fiction pour adultes, il a écrit chaque scène intime en entier ; sollicité directement, il écrivait le plus souvent une version adoucie plutôt que de refuser, là où Claude Opus 5 refusait purement et simplement.

Essayer Claude Opus 5.5 →

La gamme vidéo actuelle de Kling est désormais disponible sur SpicyAPI, facturée à la seconde en dollars américains, sans aucun forfait à acheter à l’avance.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit) : Kling 3.0 Omni. Intégrez jusqu’à sept photos de référence dans un seul plan, retouchez un clip que vous possédez déjà (une source de 3 à 10 secondes), et activez les changements de plan intelligents ainsi que le son natif, jusqu’en 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation) : le modèle phare, avec première et dernière image, jusqu’en 4K et son activable. Motion Control reproduit les mouvements, expressions et gestes d’un clip de 3 à 30 secondes sur votre propre personnage.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video) : chaque clip est livré avec un son natif, en 720p ou 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation) : le premier modèle de Kling avec son natif, en 1080p sur 5 ou 10 secondes, avec son propre Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video) : une option économique en 1080p sur 5 ou 10 secondes, avec image de fin, prompt négatif et guidance.
• Kling 2.1 (kling/2.1/image-to-video) et Kling 2.1 Master (kling/2.1-master/text-to-video, /image-to-video) : la génération précédente, du 720p en image vers vidéo jusqu’au 1080p haute fidélité de Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar) : un portrait et une piste audio suffisent pour faire parler ou chanter cette personne aussi longtemps que dure l’audio, jusqu’à environ cinq minutes.

Kling modère lui-même les contenus : les plans suggestifs passent parfois, tout ce qui est plus dévoilé est refusé, et une requête refusée n’est jamais facturée. Pour du contenu réservé aux adultes, utilisez l’une de nos familles Spicy.

Kling O3, Kling 3.0, Kling 2.5 Turbo et Kling Avatar 2.0 sont proposés sous le tarif catalogue à la seconde de Kling lui-même.

Le centre d’avis classe désormais les modèles selon la qualité réelle de leur résultat, et non selon le nombre de caractéristiques techniques annoncées.

• La qualité du résultat compte pour 85 % du Spicy Index. Elle combine des classements publics fondés sur le vote humain (arena.ai, Artificial Analysis, Design Arena) avec notre propre test à l’aveugle : 112 prompts, chaque modèle reçoit le même prompt, et trois juges issus de concepteurs de modèles différents notent les résultats sans jamais voir le nom du modèle. Les caractéristiques techniques telles que la résolution, la durée et les entrées acceptées comptent pour 15 %, la résolution étant plafonnée au 1080p natif.
• Le test à l’aveugle est vérifié par rapport au vote humain. Sur un classement où nos juges ne sont pas suffisamment en accord avec les classements publics fondés sur le vote humain, le test à l’aveugle compte avec un poids réduit, et un modèle qui ne dispose que de ce type de preuve y est affiché mais non classé. Cette fois-ci, cela concerne la vidéo, où les juges ne voient le plus souvent que des images échantillonnées et passent à côté du travail de caméra. Chaque rapport de test indique quelle règle a été appliquée.
• Le son compte aussi. Sur six prompts audio, nous avons évalué la clarté de la voix, la synchronisation labiale, l’émotion, et si chaque son survient au bon moment.
• 69 nouveaux avis en 10 langues : 32 modèles d’image et de vidéo, 20 modèles de langage et 17 outils, chacun accompagné de nos propres résultats de test et des prix actuels.
• 106 nouveaux prompts dans l’arène, avec 1 693 résultats à départager.

Les règles complètes figurent sur la page méthodologie.

Le panneau Outils de Spicy Studio liste désormais tous les outils, regroupés en « À partir d’une image », « À partir d’une vidéo » et « Personnes et visages », avec le prix affiché sur chaque outil qui se lance depuis le panneau. Choisissez un outil, puis l’un de vos résultats ou un fichier à importer.

Nouveau dans Studio :

• L’échange de visage sur photo existe en trois niveaux. Standard est rapide et garde la coiffure et la forme de tête de votre photo, Plus accorde le teint et décide, photo par photo, de déplacer le visage seul ou la tête entière, et Pro conserve le plus de détails du visage.
• L’échange de tête et de personnage en vidéo se fait en deux étapes. Studio repère d’abord toutes les personnes du clip, vous choisissez qui remplacer, et l’échange ne se lance qu’ensuite. Si la première étape ne trouve personne, elle est remboursée et rien d’autre ne se lance.

La première fois que vous utilisez un outil qui touche au visage d’une personne réelle, avatar parlant et synchro labiale compris, Studio vous demande d’accepter trois règles : n’utiliser que votre propre visage ou celui de personnes qui ont dit oui, ne jamais utiliser la photo d’une personne de moins de 18 ans, et ne jamais vous en servir pour vous faire passer pour quelqu’un d’autre ni pour tromper qui que ce soit. Votre réponse est mémorisée sur cet appareil.

Ouvrez un canevas depuis Canevas : il occupe désormais tout l’écran, avec une grille de points, vos plans sous forme de nœuds et les commandes sur les bords.

• Ajoutez un nœud n’importe où. Double-cliquez ou faites un clic droit dans un espace vide, appuyez sur + dans la barre d’outils du bas, ou sur la touche N. Ajoutez une image, une vidéo, une retouche, une note ou une scène de quatre plans, ou importez un fichier, un résultat de Mes créations, une mise en scène, un style ou un effet.
• Partez de n’importe quel résultat. Les images et les clips ont un + à droite qui ouvre « Générer à partir de ce nœud » : une vidéo à partir d’une image, une retouche, un autre look, la dernière image d’un clip comme nouvelle image, ou tout outil qui s’y applique. Les nœuds de prompt ont un + à gauche qui ajoute une entrée : un fichier importé, un résultat de Mes créations ou un autre nœud du canevas.
• Préparez avant de lancer. Reliez un nœud image à un nœud vidéo : la vidéo part de cette image dès qu’elle est prête. Le champ de prompt affiche le prix de cette étape et celui des deux réunies.
• Le prompt sur place. Sélectionnez un nœud de prompt et sa zone de saisie s’ouvre juste à côté, avec le modèle, les références, le style, les réglages et le prix sur le bouton d’envoi. Les images connectées sont numérotées : tapez @ pour en désigner une, par exemple @image2. Avec les modèles vidéo qui acceptent une image de fin, choisissez si deux images servent d’image de début et de fin ou de références.
• Une seule barre d’outils. Sélection, main, bibliothèque, Mes créations, outils, annuler et rétablir sont dans la barre du bas ; le zoom, l’ajustement à l’écran et la mini-carte sont dans le coin. Les liens entre nœuds et la vue storyboard s’activent en haut.

Rien ne se lance avant que vous appuyiez sur Générer, et chaque exécution affiche son prix d’abord.

Le champ de saisie de Spicy Studio ne ramène plus chaque modèle à quatre formes et trois durées. Il affiche ce que le modèle choisi accepte réellement.

• Des formats en chiffres. Tous les rapports d’image acceptés par le modèle sont listés, de 1:1 et 4:5 à 9:16 et 21:9, chacun avec un petit cadre à l’échelle. Si le modèle peut choisir la forme lui-même ou suivre votre photo, Auto apparaît en premier.
• Toutes les durées prises en charge. Jusqu’à sept durées s’affichent en boutons ; au-delà, ou pour une plage, un curseur prend le relais. Si le modèle propose Auto, la durée maximale est indiquée.
• Changer de modèle sans tout recommencer. Si le nouveau modèle ne propose pas votre format ou votre durée, Studio passe à la valeur la plus proche et vous dit ce qui a changé.
• Des mises en scène vidéo à prévisualiser. Les 20 mises en scène vidéo ont désormais un vrai clip d’exemple, qui se lance au survol de la carte. Chacun a été réalisé avec MiniMax H3 à partir du prompt de la mise en scène, et c’est avec MiniMax H3 qu’elle s’ouvre. La bibliothèque bascule aussi entre Images et Vidéos.
• Les cartes de style gardent leur sujet au survol : vous comparez des looks, pas des personnes.

Trois nouvelles familles d’images font tourner des modèles ouverts avec jusqu’à trois de vos propres fichiers LoRA par requête, chacun avec sa propre intensité. Chaque image est à prix fixe, quel que soit le ratio d’image.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit) : Z-Image Turbo d’Alibaba en 8 étapes, quelques secondes par image, neuf ratios d’image à environ un mégapixel, plus image vers image avec réglage de force.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image) : FLUX.1 [dev] de Black Forest Labs, la base qui compte plus d’un millier de LoRA communautaires sur Hugging Face, avec un réglage de guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit) : Qwen-Image-2512 jusqu’à 1536 pixels sur le grand côté, et la retouche avec Qwen-Image-Edit-2511 à partir d’une à trois sources, avec des LoRA de retouche comme les nouveaux angles de caméra.

Un LoRA est un lien direct vers un fichier .safetensors : pas d’envoi, pas de liste blanche, pas de validation. Les cinq endpoints sont sans censure, et charger des LoRA ne coûte rien de plus.

La synchro labiale (spicyapi/lip-sync-v1/lip-sync) compte désormais les secondes de l’audio que vous envoyez, et non celles de la vidéo renvoyée. La vidéo dure en général environ une demi-seconde de plus que l’audio ; ce surplus n’est plus facturé.

Le tarif ne change pas : $0.012 la seconde, arrondi à la seconde supérieure, avec un minimum de 3 secondes. Un clip vocal de 4,5 secondes est désormais facturé 5 secondes, soit $0.06 ; compté sur la vidéo renvoyée, il pouvait atteindre 6 secondes, soit $0.072. Vos requêtes restent les mêmes, et la règle est identique dans Spicy Studio.

Spicy Studio est ouvert depuis le 26 septembre sur spicyapi.ai/create. Mêmes modèles et mêmes prix par exécution que l’API, dans un espace conçu pour créer plutôt que pour intégrer.

• Une ligne, puis Générer. Choisissez Image ou Vidéo, écrivez ce que vous voulez voir, ou appuyez sur Tab pour reprendre l’exemple. Chaque mode s’ouvre sur un modèle adapté, modifiable à tout moment, et votre prompt vous suit. Le prix affiché sur le bouton est le maximum que l’exécution peut coûter, et rien n’est débité avant que vous appuyiez.
• 97 looks, 4 finitions et 12 effets. Un look enveloppe votre sujet d’une formulation éprouvée pour la lumière, la couleur et la matière — film, éditorial, anime, peinture, 3D et une série After Dark — et affiche le prompt complet avant l’exécution. Il n’ajoute rien au prix. Un effet transforme une photo en plan fini : travelling avant, orbite, montée en drone, pluie, neige, rendu 16 mm.
• 150 modèles de scène en 13 groupes. Chacun est un brief complet où le décor, la lumière et l’objectif sont déjà écrits ; vous indiquez seulement qui est dans le cadre.
• Canevas pour les pièces de plusieurs plans. Faites partir de n’importe quelle image une vidéo, une retouche ou des variantes, transformez la dernière image d’un clip en début du suivant, puis regroupez les prises en scènes et lisez-les comme un storyboard. Les projets d’exemple montrent chaque prompt et se copient en entier.
• Des outils sur chaque résultat : les huit nouveaux outils, du détourage à la synchronisation labiale, côtoient « Donnez-lui du mouvement » et « Variantes ».
• Enrichir réécrit une idée d’une ligne en prompt détaillé pour le modèle choisi avant l’exécution, facturé à part pour le petit montant affiché sur le bouton.
• Privé par défaut. Rien n’est publié dans un fil ou une galerie. Les résultats restent 14 jours dans Mes créations, les fichiers envoyés sont supprimés au bout d’un jour, et l’option Flouter jusqu’au clic masque les résultats tant que vous ne les touchez pas.

Sans compte, vous pouvez parcourir, charger des exemples et voir les prix exacts ; il en faut un pour générer, et votre brouillon est conservé pendant l’inscription. Chaque exécution dans Studio est aussi un appel API avec les mêmes paramètres : un look mis au point ici passe directement dans votre code.

L’en-tête du site change en même temps : Modèles · Studio · Palmarès · Développeurs · Tarifs. Les sélections de modèles qui se trouvaient sous Explorer sont désormais sous Collections, dans le menu Modèles.

Huit endpoints à tâche unique sont en ligne depuis le 26 septembre. Chacun effectue une seule opération sur une image ou un clip que vous avez déjà, à prix fixe. Appelez-les comme n’importe quel modèle, ou utilisez-les dans Spicy Studio, sous Outils et directement sur vos résultats.

Ce qui détermine la facture :

• L’agrandissement vidéo est facturé sur la durée du clip source, arrondie à la seconde supérieure, avec un minimum de 3 secondes.
• L’avatar parlant et la synchronisation labiale sont facturés sur la vidéo rendue, qui dure autant que votre audio (3 secondes minimum). La synchronisation labiale boucle un clip plus court que l’audio.
• Les bruitages sont facturés sur le duration_seconds demandé (1 à 30, 8 par défaut), pas sur votre clip : réglez-le sur la durée du clip. L’outil produit bruitages et ambiance, pas de dialogues ni de musique.
• Les entrées audio et vidéo doivent être des liens directs vers le fichier, et l’envoi du fichier reste la voie la plus fiable. Une entrée hors de la durée autorisée est refusée avant tout débit.

xAI a publié Grok 4.7 le 21 septembre, et xai/grok-4.7/chat est appelable ici depuis le 22 septembre, avec le même format de chat OpenAI et le même streaming SSE que les autres endpoints Grok.

• 40 % sous le prix publié par xAI sur le palier standard ($2 / $0.50 / $6), et 60 % sous son palier long contexte ($4 / $1 / $12).
• Sans censure sur cette route. Le 22 septembre, neuf sondes d’écriture créative du niveau 4 de notre échelle de tests de contenu, qui en compte cinq, envoyées dans trois styles de prompt, sont revenues sous forme de neuf scènes complètes, sans aucun refus ; le 24 septembre, tous les autres niveaux testés sont passés aussi, y compris le plus élevé. Nous n’ajoutons aucun filtre.
• Le rôle system est respecté, vérifié exprès : un cadre posé en tête de conversation tient jusqu’au bout.
• Le raisonnement est facturé comme de la sortie. La valeur par défaut high coûte plus qu’il n’y paraît ; pour du dialogue, low ou medium se lit mieux et coûte moins.