Grok TTS
Grok TTS は xAI の text-to-speech で、最大 15,000 文字の台本を 20 言語・71 種のプリセットボイスで読み上げます。笑い声やささやきなどのタグが演じられ、速度は 0.7〜1.5 倍です。
Schema を見る →出力例を見る →モデル比較
Grok TTS と Seed Speech 2.0
公開単価は Grok TTS が Seed Speech 2.0 より 75% 低く設定されています。段階ごとの料金、リクエスト項目、上限を並べて確認できます。
Seed Speech 2.0
ByteDance の Seed Speech 2.0 text-to-speech は、台本を 41 種のプリセットボイスから選んだ 24 kHz モノラルの MP3 にします。速度・ピッチ・音量を調整でき、平易な言葉の演出メモで口調を指示でき、コンテンツフィルターはかかりません。
Schema を見る →出力例を見る →比較
結論から
手元の入力、欲しい成果、予算から選びましょう。判断に関わる違いを以下にまとめています。
- Grok TTS の公開単価が 75% 低く設定されています。
- 両モデルの掲載区分は「規制なし」です。各モデルページの作例や内容テストを比較し、作りたいシーンに合うモデルを選んでください。
公開作例を見比べてから、同じ入力と条件で両モデルを試してください。
現在の料金
同じ条件で比べた料金
最低料金が答えるのは、たいてい知りたいのとは別の問いです。ここでは両者が公開している課金の刻みを同じ条件で突き合わせ、課金単位あたりの米ドル額をそのまま並べています。換算は入りません。
横にスワイプして全項目を比較できます。
| 区分 | Grok TTS | Seed Speech 2.0 | 差 |
|---|---|---|---|
| 現在の料金 | $0.018 / 1,000文字 | $0.072 / 1,000文字 | Grok TTS が 75% 安い |
比較データについて
設定項目と上限
この表の各行は、エンドポイントが検証に使っている JSON Schema から直接読んでいます。手書きの機能一覧ではなく、API が実際に受け付ける値そのものです。
横にスワイプして全項目を比較できます。
| 設定項目と上限 | Grok TTS | Seed Speech 2.0 |
|---|---|---|
| 対応タスク | text-to-speech | text-to-speech |
| 音声出力 | 対応 | 対応 |
| 実行方式 | 送信後にポーリングまたはコールバック | 送信後にポーリングまたはコールバック |
| リクエストの上限時間 | 30 分 | 30 分 |
| 提供状況 | 提供中 | 提供中 |
制限が少ないと、どんなリクエストも許可されますか？
内容ポリシーの比較
この表示の裏には別々の事実が 2 つあります。1 つはこちら側の話で、内容は「何もしない」——プラットフォーム側の内容フィルタはなく、リクエストに立てる成熟度フラグもありません。もう 1 つはモデル自身の挙動で、この 2 つで変わるのはそちらだけです。
Grok TTS
規制なし
このモデルはコンテンツフィルターを持たないと表明しています。SpicyAPI 側で内容スキャンを追加することはなく、リクエストはそのまま転送します。法令の順守と同意の確認は、お客様の責任です。
利用上の注意 SpicyAPI はコンテンツフィルターを追加しておらず、NSFW の台本も書かれたとおりに読み上げます。送信する台本と、生成された音声の使い方(実在の人物の発言として扱わないことを含む)については、ユーザー自身が責任を負います。
Seed Speech 2.0
規制なし
このモデルはコンテンツフィルターを持たないと表明しています。SpicyAPI 側で内容スキャンを追加することはなく、リクエストはそのまま転送します。法令の順守と同意の確認は、お客様の責任です。
利用上の注意 SpicyAPI はコンテンツフィルターを一切追加しておらず、NSFW のスクリプトも書かれたとおりに読み上げられます。送信する台本と、生成された音声の使い方 (実在の人物の発言であるかのように見せないことを含む) についての責任はユーザーにあります。
この内容区分で候補を絞り、各モデルページの作例や内容テストの詳細を確認して選んでください。
区分がどうであれ、お客様の義務は変わりません。年齢、同意、実在人物の肖像、事業地域の法令はお客様の責任であり、SpicyAPI は個々のリクエストを内容審査しません。
モデル ID だけ差し替えて、同じリクエスト本文を使えますか？
リクエスト本文の違い
タスクの流れは共通ですが、本文は共通ではありません。エンドポイントごとに JSON Schema が公開され、API はそれで検証します。乗り換える前に突き合わせるのはこの一覧です。
- 同じ名前のフィールドが 6 個、両方の本文にあります。 text, speed, language, voice_id, sample_rate, output_format
- Grok TTS だけが受け付けるフィールド：bitrate, text_normalization, optimize_streaming_latency。
- Seed Speech 2.0 だけが受け付けるフィールド：pitch, volume, instructions。
- Grok TTS の必須項目は text です。
- Seed Speech 2.0 の必須項目は text です。
- どちらも未知のフィールドをそのまま拒否します。乗り換え前のパラメータが残っていると、黙って無視されるのではなく検証エラーとして返ります。
比較
乗り換えるとき
モデル識別子は xai/grok-tts/text-to-speech と bytedance/seed-speech-2.0/text-to-speech で、いずれも同じリクエストの同じフィールドに入れます。
実行方式は同じです。タスクを送信し、ポーリングするかコールバックを受け取ります。キューや再試行の作りはそのまま使えます。
送信と進捗確認の流れは共通ですが、必須入力はモデルごとに異なる場合があります。切り替える前に各モデルページを確認してください。
金鑰も残高も上限設定も 1 つです。どちらも同じアカウントに米ドルで請求され、金鑰ごとの 1 日・1 か月・累計の上限はどちらを呼んでも同じように効きます。
よくある質問
Grok TTS と Seed Speech 2.0 はどちらが安いですか？
Grok TTS と Seed Speech 2.0 はどちらが安いですか？
Grok TTS の公開単価が 75% 低く設定されています。 送信前に必ず最新の見積りを確認してください。
1 回のリクエストはどれくらい走れますか？
1 タスクあたり Grok TTS は 30 分、Seed Speech 2.0 は 30 分までです。これは上限であって所要時間の目安ではなく、実際はもっと早く終わります。ただしクライアント側のタイムアウトはこの長さに耐えられる必要があります。