Porównania modeli
Gemini 3.8 Flash-Lite TTS czy Seed Speech 2.0, próg po progu: zestawione ceny, pola żądania, limity i zmierzona polityka treści.
Gemini 3.8 Flash-Lite TTS to szybszy i tańszy model text-to-speech od Google: wybierz jeden z 30 głosów i dostań WAV mono 24 kHz, zwykle w kilka sekund. Dialog obsługuje do dwóch głosów, a interpunkcja kształtuje sposób podania.
Zobacz Schema →Zobacz przykładowe wyniki →Seed Speech 2.0 od ByteDance zamienia skrypt w jednokanałowy MP3 24 kHz w jednym z 41 gotowych głosów. Tempo, wysokość i głośność są regulowane, a proste notatki o sposobie podania ustalają ton; filtr treści nie jest stosowany.
Zobacz Schema →Zobacz przykładowe wyniki →Porównaj
Zacznij od posiadanych materiałów, oczekiwanego wyniku i budżetu. Poniższe różnice pomagają wybrać model.
Porównaj opublikowane przykłady, a potem sprawdź oba modele na tym samym wejściu z porównywalnymi ustawieniami.
Aktualna cena
Cena wyjściowa odpowiada na inne pytanie niż to, które masz. Tutaj są progi publikowane przez oba modele, zestawione ustawienie po ustawieniu, w dolarach amerykańskich za jednostkę rozliczeniową i bez żadnego przelicznika po drodze.
Te dwa modele rozliczają się według innych progów, więc nie ma czego zestawiać. Zamiast tego poniżej są progi publikowane przez każdy z nich.
Gemini 3.8 Flash-Lite TTS: $0.00021 / sekund wyniku
Seed Speech 2.0: $0.072 / tys. znaków
O tym porównaniu
Każdy wiersz czytamy z JSON Schema, według którego endpoint waliduje żądania, więc odpowiada temu, co API naprawdę przyjmie, a nie ręcznie pisanej liście funkcji.
Przesuń w poziomie, żeby porównać wszystkie pola.
| Ustawienia i limity | Gemini 3.8 Flash-Lite TTS | Seed Speech 2.0 |
|---|---|---|
| Obsługiwane zadania | text-to-speech | text-to-speech |
| Wyjście dźwiękowe | Tak | Tak |
| Wykonanie | Wysyłka, potem odpytywanie albo callback | Wysyłka, potem odpytywanie albo callback |
| Limit czasu żądania | 30 minut | 30 minut |
| Dostępność | Dostępny | Dostępny |
Czy mniej ograniczeń oznacza, że każde żądanie jest dozwolone?
Za tymi etykietami stoją dwa osobne fakty. Pierwszy dotyczy nas i brzmi: nic. Żadnego filtra treści po stronie platformy i żadnej flagi dojrzałości, którą trzeba by ustawiać w żądaniu. Drugi dotyczy zachowania samego modelu i to on różni te dwa.
Gemini 3.8 Flash-Lite TTS
Ten model deklaruje brak filtra treści. SpicyAPI przekazuje żądanie dalej, nie dokładając własnego skanowania po stronie platformy; obowiązki prawne i kwestia zgody pozostają po stronie klienta.
Uwaga o użyciu SpicyAPI nie dodaje żadnego filtra treści: scenariusze NSFW są odczytywane dokładnie tak, jak zostały napisane. Odpowiadasz za wysyłane scenariusze i za sposób wykorzystania powstałego audio, w tym za to, by nie podawać go za wypowiedź prawdziwej osoby.
Seed Speech 2.0
Ten model deklaruje brak filtra treści. SpicyAPI przekazuje żądanie dalej, nie dokładając własnego skanowania po stronie platformy; obowiązki prawne i kwestia zgody pozostają po stronie klienta.
Uwaga o użyciu SpicyAPI nie dodaje żadnego filtra treści: skrypty NSFW są czytane dokładnie tak, jak zostały napisane. Odpowiadasz za wysyłane skrypty oraz za sposób wykorzystania powstałego nagrania, w tym za to, by nie przedstawiać go jako wypowiedzi prawdziwej osoby.
Zawęź wybór według tych kategorii, a następnie sprawdź dostępne przykłady i szczegóły testów treści na stronach modeli.
Etykieta nie zmienia twoich obowiązków. Wiek, zgoda, podobieństwo do realnych osób i prawo miejsca, w którym działasz, pozostają po twojej stronie; SpicyAPI nie bada treści każdego żądania.
Czy mogę podmienić samo ID modelu, nie ruszając ciała żądania?
Cykl życia zadania jest wspólny, ciało żądania już nie. Każdy endpoint publikuje własny JSON Schema i API waliduje właśnie według niego – to jest lista, którą trzeba uzgodnić przed zamianą.
Porównaj
Identyfikatory modeli to google/gemini-3.8-flash-lite-tts/text-to-speech i bytedance/seed-speech-2.0/text-to-speech; oba wstawiasz w to samo pole tego samego żądania.
Oba działają tak samo: wysyłasz zadanie, a potem je odpytujesz albo odbierasz callback. Kolejka i logika ponowień zostają bez zmian.
Wysyłka i śledzenie działają tak samo, ale wymagane wejścia mogą się różnić. Zanim podmienisz model, sprawdź obie strony modeli.
Jeden klucz, jedno saldo, jeden komplet limitów wydatków. Oba obciążają to samo konto w dolarach amerykańskich, a dzienny, miesięczny i łączny limit klucza działa niezależnie od tego, który wywołasz.
Częste pytania
Oba rozliczają się według innych progów, więc nie ma wiersza do zestawienia: Gemini 3.8 Flash-Lite TTS zaczyna się od $0.00021 / sekund wyniku, a Seed Speech 2.0 od $0.072 / tys. znaków. Ceny mogą się zmieniać – przed wysłaniem sprawdź wycenę pokazaną dla twoich rzeczywistych ustawień.
Gemini 3.8 Flash-Lite TTS dopuszcza 30 minut na zadanie, a Seed Speech 2.0 30. To pułapy, a nie typowe czasy – większość żądań kończy się znacznie wcześniej – ale twój własny timeout klienta musi je wytrzymać.
Pokazane ceny i możliwości pochodzą z bieżącego publicznego katalogu modeli. Najnowsze wejścia i przykłady sprawdzisz na stronie każdego modelu.