Le novità che contano mentre sviluppi

La sintesi vocale Gemini 2.5 Pro di Google è ora disponibile su SpicyAPI come google/gemini-2.5-pro-tts/text-to-speech.

• Input: uno script fino a 5.000 caratteri. Le indicazioni tra parentesi quadre come [sighs] vengono interpretate, non lette ad alta voce.
• Voce: una tra 30 voci predefinite, ciascuna con un carattere fisso, da toni chiari e decisi a voci morbide e ansimanti.
• Interpretazione: uno stile opzionale (whisper, empathetic, vocalsmile, newscaster, promohype o deadpan), un accento tra 8 accenti inglesi e istruzioni in testo libero su ritmo, tono e a chi è rivolto il parlato: nulla di questo viene pronunciato.
• Output: un file WAV, 24 kHz, 16 bit, mono.
• Prezzo: $0,00045 per secondo di audio restituito (circa $0,027 al minuto), il 10% sotto il prezzo di listino di Google. Mentre il task è in esecuzione viene trattenuto un importo per il clip più lungo possibile, rilasciato non appena l'audio viene misurato; le richieste fallite non vengono addebitate.

Fin dove arriva. Non aggiungiamo alcun filtro sui contenuti. Nei nostri test ha letto script NSFW per intero: battute dirette, narrativa raccontata, indicazioni di voce ansimante, senza saltare parole né interrompere il clip in anticipo. Questo endpoint non supporta il dialogo a due voci né la clonazione vocale: una tra le 30 voci predefinite per richiesta.

Prova Gemini 2.5 Pro TTS →

Il nuovo Opus di Anthropic, rilasciato il 22 settembre, è ora su SpicyAPI come anthropic/claude-opus-5.5/chat, su un unico endpoint compatibile con OpenAI su /v1/chat/completions.

• Prezzo: 3,60 $ per milione di token in ingresso, 0,18 $ per quelli in cache, 4,50 $ per la scrittura in cache e 18 $ per l'output, il 10% sotto il prezzo di listino di Anthropic.
• Finestra di contesto: 1.000.000 di token in ingresso, fino a 128.000 in uscita.
• Il ragionamento è sempre attivo: reasoning_effort accetta low, medium o high, con medium come valore predefinito.
• Tool: fino a 128 definizioni; tool_choice accetta solo auto o none, perché il modello rifiuta una chiamata di tool forzata.

Fin dove arriva. Non aggiungiamo alcun filtro sui contenuti nostro. Il giorno del lancio gli abbiamo inviato 24 test di contenuti per adulti su tre stili di prompt diversi e non ne ha rifiutato nessuno. Con un system prompt di narrativa per adulti ha scritto per intero ogni scena intima; se richiesto direttamente, di solito scriveva una versione più attenuata invece di rifiutare, cosa che Claude Opus 5 rifiutava del tutto.

Prova Claude Opus 5.5 →

L'attuale gamma video di Kling è ora disponibile su SpicyAPI, con fatturazione al secondo in dollari statunitensi e senza alcun pacchetto da acquistare in anticipo.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit): è Kling 3.0 Omni. Inserisci fino a sette foto di riferimento in un'unica inquadratura, modifica una clip che hai già (una sorgente da 3 a 10 secondi) e attiva tagli multi-shot intelligenti e audio nativo, fino a 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation): il modello di punta, con primo e ultimo fotogramma, fino a 4K e audio attivabile. Motion Control copia i movimenti, le espressioni e i gesti di una clip da 3 a 30 secondi sul tuo personaggio.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video): ogni clip include audio nativo, in 720p o 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation): il primo modello di Kling con audio nativo, 1080p in 5 o 10 secondi, con il proprio Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video): opzione economica in 1080p in 5 o 10 secondi, con fotogramma di chiusura, prompt negativo e guidance.
• Kling 2.1 (kling/2.1/image-to-video) e Kling 2.1 Master (kling/2.1-master/text-to-video, /image-to-video): la generazione precedente, dal 720p image-to-video fino al 1080p ad alta fedeltà di Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar): un ritratto e una traccia audio bastano per far parlare o cantare quella persona per tutta la durata dell'audio, fino a circa cinque minuti.

Kling modera i contenuti da solo: le inquadrature allusive a volte passano, qualsiasi cosa più esplicita viene rifiutata e una richiesta rifiutata non viene mai addebitata. Per contenuti per adulti, usa una delle nostre famiglie Spicy.

Kling O3, Kling 3.0, Kling 2.5 Turbo e Kling Avatar 2.0 hanno un prezzo inferiore al listino al secondo dello stesso Kling.

Il centro recensioni ora classifica i modelli in base a quanto è buono il loro output, non in base al numero di specifiche tecniche elencate.

• La qualità dell'output vale l'85% dello Spicy Index. Combina classifiche pubbliche basate sul voto umano (arena.ai, Artificial Analysis, Design Arena) con il nostro test alla cieca: 112 prompt, lo stesso prompt per ogni modello, valutati da tre giudici provenienti da diverse case produttrici di modelli, che non vedono mai i nomi dei modelli. Specifiche come risoluzione, durata e input accettati valgono il 15%, e la risoluzione ha un tetto massimo di 1080p nativa.
• Il test alla cieca viene verificato rispetto al voto umano. In una categoria in cui i nostri giudici non concordano abbastanza con le classifiche pubbliche basate sul voto umano, il test alla cieca conta con un peso ridotto, e un modello con solo prove dal test alla cieca viene mostrato ma non classificato. In questo round è il caso dei video, dove i giudici vedono per lo più fotogrammi campionati e non colgono il lavoro di camera. Ogni report di test indica quale regola è stata applicata.
• Anche l'audio conta. Su sei prompt audio abbiamo valutato la chiarezza del parlato, la sincronizzazione labiale, l'emozione e se ogni suono arriva nel momento giusto.
• 69 nuove recensioni in 10 lingue: 32 modelli di immagini e video, 20 modelli linguistici e 17 strumenti, ciascuno con i nostri risultati di test e i prezzi attuali.
• 106 nuovi prompt nell'arena, con 1.693 output da votare.

Le regole complete sono nella pagina della metodologia.

Il pannello Strumenti di Spicy Studio ora elenca tutti gli strumenti, divisi in “Da un'immagine”, “Da un video” e “Persone e volti”, con il prezzo su ogni strumento che parte dal pannello. Scegli uno strumento, poi uno dei tuoi risultati oppure carica un file.

Novità in Studio:

• Il face swap sulle foto ha tre livelli. Standard è veloce e mantiene capelli e forma della testa della tua foto, Plus uniforma il tono della pelle e decide foto per foto se spostare solo il volto o l'intera testa, Pro conserva il maggior dettaglio del volto.
• Lo scambio di testa e di personaggio nei video avviene in due passaggi. Studio trova prima tutte le persone nella clip, tu scegli chi sostituire e solo allora parte lo scambio. Se il primo passaggio non trova nessuno, ti viene rimborsato e non parte nient'altro.

La prima volta che usi uno strumento che lavora sul volto di una persona reale, avatar parlante e lip sync compresi, Studio ti chiede di accettare tre regole: usare solo il tuo volto o quello di persone che hanno detto sì, non usare mai la foto di qualcuno con meno di 18 anni e non usarlo mai per spacciarti per qualcun altro o per ingannare qualcuno. La tua risposta viene ricordata su quel dispositivo.

Apri un canvas da Canvas e ora occupa tutto lo schermo, con una griglia di punti, le tue inquadrature come nodi e i comandi ai bordi.

• Aggiungi un nodo ovunque. Fai doppio clic o clic destro in uno spazio vuoto, premi + nella barra in basso oppure il tasto N. Aggiungi un'immagine, un video, una modifica, una nota o una scena da quattro inquadrature, oppure porta dentro un caricamento, un risultato da I miei lavori, un template, uno stile o un effetto.
• Riparti da qualsiasi risultato. Immagini e clip hanno un + a destra che apre “Genera da questo nodo”: un video da un'immagine, una modifica, un altro look, l'ultimo frame di una clip come nuova immagine o qualsiasi strumento che funzioni su di essi. I nodi prompt hanno un + a sinistra che aggiunge un input: un caricamento, qualcosa da I miei lavori o un altro nodo del canvas.
• Pianifica prima di avviare. Collega un nodo immagine a un nodo video e il video parte da quell'immagine appena è pronta. Il campo del prompt mostra il prezzo di questo passaggio e quello dei due insieme.
• Il prompt lì accanto. Seleziona un nodo prompt e il suo campo del prompt si apre subito accanto, con modello, riferimenti, stile, impostazioni e il prezzo sul pulsante di invio. Le immagini collegate sono numerate, quindi puoi scrivere @ per indicarne una, per esempio @image2. Con i modelli video che accettano un fotogramma finale, scegli se due immagini sono il fotogramma iniziale e finale o dei riferimenti.
• Una sola barra. Seleziona, mano, libreria, I miei lavori, strumenti, annulla e ripeti stanno nella barra in basso; zoom, adatta allo schermo e minimappa sono nell'angolo. I collegamenti tra i nodi e la vista storyboard si attivano in alto.

Non parte nulla finché non premi genera, e ogni esecuzione mostra prima il suo prezzo.

Il campo del prompt di Spicy Studio non costringe più ogni modello in quattro forme e tre durate. Mostra quello che il modello scelto accetta davvero.

• Formati in numeri. Trovi tutti i rapporti d'aspetto che il modello accetta, da 1:1 e 4:5 fino a 9:16 e 21:9, ognuno con una piccola cornice in scala. Se il modello può scegliere la forma da solo o seguire la tua foto, Auto compare per primo.
• Tutte le durate supportate. Fino a sette durate compaiono come pulsanti; per intervalli più ampi c'è un cursore. Se il modello offre Auto, vedi la durata massima.
• Cambia modello senza ricominciare. Se il nuovo modello non offre il tuo formato o la tua durata, Studio passa al valore più vicino e ti dice cosa ha cambiato.
• Template video in anteprima. Tutti i 20 template video hanno ora una vera clip di esempio che parte quando passi il mouse sulla scheda. Ognuna è stata fatta con MiniMax H3 partendo dal prompt del template, ed è con MiniMax H3 che il template si apre. La libreria dei template passa anche tra Immagini e Video.
• Le schede degli stili mantengono il soggetto al passaggio del mouse, così confronti gli stili, non le persone.

Tre nuove famiglie di immagini eseguono modelli aperti con fino a tre file LoRA tuoi per richiesta, ognuno con la propria intensità. Ogni immagine ha un unico prezzo fisso, qualunque sia il formato.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): Z-Image Turbo di Alibaba a 8 passi, pochi secondi per immagine, nove formati a circa un megapixel, più immagine in immagine con il controllo della strength.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): FLUX.1 [dev] di Black Forest Labs, la base con più di mille LoRA della community su Hugging Face, con un controllo della guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512 fino a 1536 pixel sul lato lungo, e la modifica con Qwen-Image-Edit-2511 da una a tre sorgenti, con LoRA di modifica come quelli per nuove angolazioni della camera.

Un LoRA è un link diretto a un file .safetensors: nessun caricamento, nessuna lista di autorizzazione, nessuna revisione. Tutti e cinque gli endpoint sono senza censura e caricare LoRA non costa nulla in più.

Il lip sync (spicyapi/lip-sync-v1/lip-sync) ora conta i secondi dell'audio che invii, non quelli del video restituito. Il video di solito dura circa mezzo secondo in più dell'audio, e quel tempo in più non viene più addebitato.

La tariffa non cambia: $0.012 al secondo, arrotondato per eccesso al secondo intero, con un minimo di 3 secondi. Una clip vocale di 4,5 secondi ora viene addebitata come 5 secondi, cioè $0.06; contando il video restituito poteva arrivare a 6 secondi, cioè $0.072. Le tue richieste restano uguali e in Spicy Studio vale la stessa regola.

Spicy Studio ha aperto il 26 settembre su spicyapi.ai/create. Stessi modelli e stessi prezzi per esecuzione dell'API, in uno spazio pensato per creare, non per integrare.

• Una riga, poi Genera. Scegli Immagine o Video, scrivi cosa vuoi vedere oppure premi Tab per usare l'esempio. Ogni modalità si apre su un modello adatto, che puoi cambiare quando vuoi, e il prompt ti segue. Il prezzo sul pulsante è il massimo che l'esecuzione può costare, e non paghi nulla finché non lo premi.
• 97 look, 4 finiture e 12 effetti. Un look avvolge il tuo soggetto in una formulazione collaudata per luce, colore e tecnica — cinema, editoriale, anime, pittura, 3D e una serie After Dark — e mostra il prompt completo prima dell'esecuzione. Non aggiunge nulla al prezzo. Un effetto trasforma una foto in un'inquadratura finita: carrellate in avanti, orbite, salite col drone, pioggia, neve, un look da pellicola 16 mm.
• 150 template in 13 gruppi. Ognuno è un brief completo con set, luce e obiettivo già scritti; tu dici solo chi c'è nell'inquadratura.
• Canvas per lavori con più di un'inquadratura. Da qualsiasi fotogramma puoi ricavare un video, una modifica o delle varianti, trasformare l'ultimo fotogramma di una clip nell'inizio della successiva, poi raggruppare le riprese in scene e riprodurle come storyboard. I progetti di esempio mostrano ogni prompt e si copiano per intero.
• Strumenti su ogni risultato: gli otto nuovi strumenti, dalla rimozione dello sfondo al lip sync, sono accanto a “Dagli movimento” e “Varianti”.
• Migliora riscrive un'idea di una riga in un prompt dettagliato per il modello scelto prima dell'esecuzione; si paga a parte, la piccola cifra indicata sul pulsante.
• Privato di default. Niente viene pubblicato in un feed o in una galleria. I risultati restano 14 giorni in I miei lavori, i file caricati vengono cancellati dopo un giorno e l'opzione Sfoca finché non tocco nasconde i risultati finché non li tocchi.

Senza account puoi esplorare, caricare esempi e vedere i prezzi esatti; per generare ne serve uno, e la bozza resta salvata mentre ti registri. Ogni esecuzione in Studio è anche una chiamata API con gli stessi parametri, quindi un look che definisci qui passa dritto nel codice.

Insieme a Studio è cambiata l'intestazione del sito: Modelli · Studio · Ranking · Sviluppatori · Prezzi. Le raccolte di modelli che prima stavano in Esplora ora sono in Collezioni, nel menu Modelli.

Il 26 settembre sono arrivati otto endpoint dedicati a un solo compito. Ognuno fa un lavoro su un'immagine o una clip che hai già, a prezzo fisso. Chiamali come qualsiasi altro modello oppure usali in Spicy Studio, dove li trovi sotto Strumenti e direttamente sui tuoi risultati.

Cosa determina il costo:

• L'upscaling video si paga sulla durata della clip di partenza, arrotondata al secondo intero successivo, con un minimo di 3 secondi.
• Avatar parlante e lip sync si pagano sul video restituito, che dura quanto il tuo audio (minimo 3 secondi). Il lip sync ripete in loop una clip più corta dell'audio.
• Gli effetti sonori si pagano sui duration_seconds richiesti (da 1 a 30, default 8), non sulla clip, quindi impostali sulla durata della clip. Lo strumento crea effetti e ambiente, non dialoghi né musica.
• Gli input audio e video devono essere link diretti al file, e caricare il file è la strada più affidabile. Gli input fuori dalla durata consentita vengono rifiutati prima di qualsiasi addebito.

xAI ha rilasciato Grok 4.7 il 21 settembre, e xai/grok-4.7/chat si può chiamare qui dal 22 settembre, con lo stesso formato chat OpenAI e lo stesso streaming SSE degli altri endpoint Grok.

• Il 40% sotto il prezzo pubblicato da xAI nella fascia standard ($2 / $0.50 / $6) e il 60% sotto la sua fascia a contesto lungo ($4 / $1 / $12).
• Senza censura su questa route. Il 22 settembre nove prove di scrittura creativa dal gradino 4 della nostra scala di test sui contenuti, che ne ha cinque, in tre stili di prompt, sono tornate come nove scene complete, senza alcun rifiuto; il 24 settembre ha superato anche tutti gli altri gradini testati, compreso il più alto. Non aggiungiamo filtri nostri.
• Il ruolo system viene rispettato, lo abbiamo verificato apposta: una cornice impostata all'inizio della conversazione regge fino alla fine.
• Il ragionamento si paga come output. Il default high costa più di quanto sembri; per i dialoghi low o medium rende meglio e costa meno.