Comparações de modelos
Gemini 3.8 Flash TTS ou Grok TTS, faixa a faixa: preços alinhados, campos da requisição, limites e política de conteúdo medida.
O Gemini 3.8 Flash TTS transforma um roteiro em um WAV mono de 24 kHz em uma de 30 vozes, ou em duas vozes para um diálogo. Marcações entre colchetes como [whispering], [sighs] ou [laughing] são interpretadas em vez de lidas em voz alta.
Ver Schema →Ver exemplos de resultados →O Grok TTS é o text-to-speech da xAI e lê um roteiro de até 15.000 caracteres em uma de 71 vozes prontas, em 20 idiomas. Tags de fala como risadas e sussurros são interpretadas, e a velocidade vai de 0,7 a 1,5 vez.
Ver Schema →Ver exemplos de resultados →Comparar
Comece pela entrada que você tem, pelo resultado desejado e pelo orçamento. Estas diferenças ajudam na escolha.
Compare os exemplos publicados e experimente os dois modelos com a mesma entrada e configurações equivalentes.
Preço atual
Preço inicial responde a outra pergunta, não à sua. Aqui estão as faixas que os dois modelos publicam, alinhadas ajuste a ajuste, em dólares por unidade cobrada e sem nenhuma conversão no meio.
Esses dois cobram por faixas diferentes, então não há linha para alinhar. No lugar disso, seguem as faixas publicadas por cada um.
Gemini 3.8 Flash TTS: $0.00032 / segundos de saída
Grok TTS: $0.018 / mil caracteres
Sobre a comparação
Cada linha aqui é lida do JSON Schema contra o qual o endpoint valida, então bate com o que a API realmente aceita, e não com uma lista de recursos escrita à mão.
Deslize horizontalmente para comparar todos os campos.
| Controles e limites | Gemini 3.8 Flash TTS | Grok TTS |
|---|---|---|
| Tarefas | text-to-speech | text-to-speech |
| Saída de áudio | Sim | Sim |
| Execução | Enviar e depois consultar ou receber o callback | Enviar e depois consultar ou receber o callback |
| Tempo máximo por requisição | 30 minutos | 30 minutos |
| Disponibilidade | Disponível | Disponível |
Menos restrições significa que qualquer solicitação é permitida?
Por trás desses rótulos há dois fatos distintos. O primeiro é o que nós fazemos, que é nada: nenhum filtro de conteúdo da plataforma e nenhum sinalizador de maturidade para marcar na requisição. O segundo é o que cada modelo faz por conta própria, e essa é a única parte que muda entre os dois.
Gemini 3.8 Flash TTS
Este modelo declara não aplicar filtro de conteúdo. A SpicyAPI encaminha a solicitação sem adicionar uma análise de conteúdo da plataforma; as obrigações legais e de consentimento continuam com o cliente.
Nota de uso O SpicyAPI não adiciona filtro de conteúdo: os roteiros são lidos como escritos, sem nenhum abrandamento. Você é responsável pelos roteiros que envia e pelo uso que faz do áudio resultante, incluindo não apresentá-lo como as palavras de uma pessoa real.
Grok TTS
Este modelo declara não aplicar filtro de conteúdo. A SpicyAPI encaminha a solicitação sem adicionar uma análise de conteúdo da plataforma; as obrigações legais e de consentimento continuam com o cliente.
Nota de uso A SpicyAPI não adiciona filtro de conteúdo: roteiros NSFW são lidos como foram escritos. Você é responsável pelos roteiros que envia e pelo uso do áudio gerado, inclusive por não apresentá-lo como palavras de uma pessoa real.
Use estas categorias para selecionar modelos e consulte os exemplos e detalhes dos testes de conteúdo nas páginas de cada um.
O rótulo não muda as suas obrigações. Idade, consentimento, semelhança com pessoas reais e a lei de onde você opera continuam por sua conta; a SpicyAPI não analisa o conteúdo de cada requisição.
Posso trocar apenas o ID do modelo sem alterar o corpo da solicitação?
O ciclo da tarefa é comum; o corpo não é. Cada endpoint publica o próprio JSON Schema e a API valida contra ele, então esta é a lista a conciliar antes de trocar.
Comparar
Os identificadores de modelo são google/gemini-3.8-flash-tts/text-to-speech e xai/grok-tts/text-to-speech, e os dois vão no mesmo campo da mesma requisição.
Os dois funcionam igual: você envia a tarefa e depois consulta ou recebe o callback. Fila e lógica de repetição continuam as mesmas.
O envio e o acompanhamento seguem o mesmo fluxo, mas as entradas obrigatórias podem variar. Confira as duas páginas de modelo antes de trocar.
Uma chave, um saldo, um mesmo conjunto de tetos de gasto. Os dois são cobrados da mesma conta em dólares, e os tetos diário, mensal e acumulado da chave valem para qualquer um deles.
Perguntas frequentes
Os dois cobram por faixas diferentes, então não há linha diretamente comparável: Gemini 3.8 Flash TTS começa em $0.00032 / segundos de saída e Grok TTS em $0.018 / mil caracteres. Confira a estimativa atual antes do envio.
Gemini 3.8 Flash TTS permite 30 minutos por tarefa e Grok TTS permite 30. São tetos, não tempos típicos — a maioria termina bem antes —, mas é isso que o timeout do seu cliente precisa aguentar.
Os preços e recursos exibidos vêm do catálogo público atual. Consulte a página de cada modelo para ver as entradas e os exemplos mais recentes.