Typ modelu
Modele audio
Endpointy syntezy i transkrypcji mowy. Cena syntezy może zależeć od długości dźwięku, długości tekstu lub stałej opłaty za żądanie; strona każdego modelu pokazuje jego jednostkę rozliczeniową.
- Modele
- 16
- Od
- $0.00003
- Do
- $0.36
- Wyniki
- Audio · Tekst
- Typy modeli
- Audio
Od czego zacząć
Kilka rodzin modeli, od których warto zacząć. Wszystkie modele i ceny z tej kategorii znajdziesz w tabeli poniżej.
Modele audio16 modeli
- Gemini 3.8 Flash-Lite TTS
google/gemini-3.8-flash-lite-tts/text-to-speech
- Cena
- $0.00021 / sekundę wyniku
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- Gemini 3.8 Flash TTS
google/gemini-3.8-flash-tts/text-to-speech
- Cena
- $0.00032 / sekundę wyniku
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- Suno v6 Mini
suno/v6-mini/text-to-audio
- Cena
- $0.072 / żądanie
- Najlepszy do
- Tekst na dźwięk
- Limity treści
- Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety.
- Suno v6 Wild
suno/v6-wild/text-to-audio
- Cena
- $0.072 / żądanie
- Najlepszy do
- Tekst na dźwięk
- Limity treści
- Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety.
- Suno v6
suno/v6/text-to-audio
- Cena
- $0.072 / żądanie
- Najlepszy do
- Tekst na dźwięk
- Limity treści
- Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety.
- HeartMuLa Transcribe
heartmula/transcribe/speech-to-text
- Cena
- $0.05 / żądanie
- Najlepszy do
- Mowa na tekst
- Limity treści
- Bez cenzury — 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.
- Seed Audio 1.0
bytedance/seed-audio-1.0/text-to-audio
- Cena
- $0.36 / żądanie
- Najlepszy do
- Tekst na dźwięk
- Limity treści
- Bez cenzury — 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.
- MiniMax Music 3.0
minimax/music-3.0/text-to-audio
- Cena
- $0.18 / żądanie
- Najlepszy do
- Tekst na dźwięk
- Limity treści
- Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety.
- Grok STT
xai/grok-stt/speech-to-text
- Cena
- $0.00003 / sekundę wyniku
- Najlepszy do
- Mowa na tekst
- Limity treści
- Bez cenzury — 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.
- Seed Speech 2.0
bytedance/seed-speech-2.0/text-to-speech
- Cena
- $0.072 / 1 000 znaków
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- Grok TTS
xai/grok-tts/text-to-speech
- Cena
- $0.018 / 1 000 znaków
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- MiniMax Speech 2.8 HD
minimax/speech-2.8-hd/text-to-speech
- Cena
- $0.12 / 1 000 znaków
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- MiniMax Speech 2.8 Turbo
minimax/speech-2.8-turbo/text-to-speech
- Cena
- $0.072 / 1 000 znaków
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- Qwen3 TTS
alibaba/qwen-3-tts/text-to-speech
- Cena
- $0.068 / 1 000 znaków
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- Chatterbox
resemble-ai/chatterbox-v1/text-to-speech
- Cena
- $0.036 / żądanie
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
- Gemini 2.5 Pro TTS
google/gemini-2.5-pro-tts/text-to-speech
- Cena
- Cena oficjalna Google: $0.0005$0.00045 / sekundę wyniku10% poniżej ceny katalogowej twórcy modelu
- Najlepszy do
- Tekst na mowę
- Limity treści
- Bez cenzury — 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.
| Model | Najlepszy do | Limity treści | Zobacz szczegóły | |
|---|---|---|---|---|
| Gemini 3.8 Flash-Lite TTSgoogle/gemini-3.8-flash-lite-tts/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.00021 / sekundę wyniku | |
| Gemini 3.8 Flash TTSgoogle/gemini-3.8-flash-tts/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.00032 / sekundę wyniku | |
| Suno v6 Minisuno/v6-mini/text-to-audio | Tekst na dźwięk | Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety. | $0.072 / żądanie | |
| Suno v6 Wildsuno/v6-wild/text-to-audio | Tekst na dźwięk | Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety. | $0.072 / żądanie | |
| Suno v6suno/v6/text-to-audio | Tekst na dźwięk | Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety. | $0.072 / żądanie | |
| HeartMuLa Transcribeheartmula/transcribe/speech-to-text | Mowa na tekst | Bez cenzury — 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. | $0.05 / żądanie | |
| Seed Audio 1.0bytedance/seed-audio-1.0/text-to-audio | Tekst na dźwięk | Bez cenzury — 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. | $0.36 / żądanie | |
| MiniMax Music 3.0minimax/music-3.0/text-to-audio | Tekst na dźwięk | Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety. | $0.18 / żądanie | |
| Grok STTxai/grok-stt/speech-to-text | Mowa na tekst | Bez cenzury — 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. | $0.00003 / sekundę wyniku | |
| Seed Speech 2.0bytedance/seed-speech-2.0/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.072 / 1 000 znaków | |
| Grok TTSxai/grok-tts/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.018 / 1 000 znaków | |
| MiniMax Speech 2.8 HDminimax/speech-2.8-hd/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.12 / 1 000 znaków | |
| MiniMax Speech 2.8 Turbominimax/speech-2.8-turbo/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.072 / 1 000 znaków | |
| Qwen3 TTSalibaba/qwen-3-tts/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.068 / 1 000 znaków | |
| Chatterboxresemble-ai/chatterbox-v1/text-to-speech | Tekst na mowę | Bez cenzury — 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. | $0.036 / żądanie | |
| Gemini 2.5 Pro TTSgoogle/gemini-2.5-pro-tts/text-to-speech | Tekst na mowę | Bez cenzury — 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. | Cena oficjalna Google: $0.0005$0.00045 / sekundę wyniku10% poniżej ceny katalogowej twórcy modelu |
- Bez cenzury
- Działa bez filtra dokładanego po naszej stronie.
- Filtrowany
- Żądania wykraczające poza granice modelu są wprost odrzucane.
O tej kategorii
Przejrzyj modele z kategorii „Audio” i porównaj ich wejścia, aktualne ceny oraz możliwości. SpicyAPI nie dokłada własnego skanowania treści – możliwości zależą od wybranego modelu. Zadania multimedialne wysyła się przez createTask, a wyniki odbiera przez odpytywanie recordInfo albo wywołania zwrotne. Rozliczenie następuje w jednostce właściwej dla danego modelu. Nieudane zadania i zadania po upływie limitu czasu zwykle nie są płatne. Niektóre modele pobierają opłatę za odmowę wygenerowania treści zgodnie z opisem na stronie modelu; sprawdź te zasady przed wysłaniem.