Atualizações que fazem diferença na integração

A síntese de voz Gemini 2.5 Pro do Google já está disponível na SpicyAPI como google/gemini-2.5-pro-tts/text-to-speech.

• Entrada: um roteiro de até 5.000 caracteres. Indicações entre colchetes, como [sighs], são interpretadas, não lidas em voz alta.
• Voz: uma entre 30 vozes prontas, cada uma com um caráter fixo, de tons claros e firmes a vozes suaves e ofegantes.
• Interpretação: um estilo opcional (whisper, empathetic, vocalsmile, newscaster, promohype ou deadpan), um entre 8 sotaques em inglês e instruções em texto livre sobre ritmo, clima e para quem é a fala, nada disso é falado.
• Saída: um arquivo WAV, 24 kHz, 16 bits, mono.
• Preço: US$ 0,00045 por segundo de áudio retornado (cerca de US$ 0,027 por minuto), 10% abaixo do preço de tabela do Google. Enquanto a tarefa roda, um valor é reservado para o clipe mais longo possível e a diferença é liberada quando o áudio é medido; solicitações que falham não são cobradas.

Até onde ele vai. Não adicionamos nenhum filtro de conteúdo próprio. Em nossos testes, ele leu roteiros NSFW por completo: falas diretas, ficção narrada, indicações de voz ofegante, sem pular palavras nem cortar o clipe antes da hora. Este endpoint não tem diálogo com duas vozes nem clonagem de voz: uma das 30 vozes prontas por solicitação.

Experimentar o Gemini 2.5 Pro TTS →

O Opus mais recente da Anthropic, lançado em 22 de setembro, já está na SpicyAPI como anthropic/claude-opus-5.5/chat, em um único endpoint compatível com a OpenAI em /v1/chat/completions.

• Preço: US$ 3,60 por milhão de tokens de entrada, US$ 0,18 em cache, US$ 4,50 de escrita em cache e US$ 18 de saída, 10% abaixo do preço de tabela da Anthropic.
• Janela de contexto: 1.000.000 de tokens de entrada, até 128.000 de saída.
• O raciocínio está sempre ativo: reasoning_effort aceita low, medium ou high, com medium como padrão.
• Ferramentas: até 128 definições; tool_choice aceita apenas auto ou none, porque o modelo recusa uma chamada de ferramenta forçada.

Até onde ele vai. Não adicionamos nenhum filtro de conteúdo próprio. No dia do lançamento, enviamos 24 testes de conteúdo adulto em três estilos de prompt diferentes e ele não recusou nenhum. Sob um system prompt de ficção adulta, escreveu cada cena íntima por completo; quando pedido diretamente, normalmente escrevia uma versão mais suave em vez de recusar, algo que o Claude Opus 5 recusava por completo.

Experimentar o Claude Opus 5.5 →

A linha atual de vídeo da Kling já está na SpicyAPI, cobrada por segundo em dólares americanos, sem nenhum pacote para comprar antecipadamente.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit): o Kling 3.0 Omni. Incorpore até sete fotos de referência em uma única cena, edite um clipe que você já tenha (uma fonte de 3 a 10 segundos) e ative cortes inteligentes com múltiplos planos e som nativo, até 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation): o modelo principal, com primeiro e último quadro, até 4K e som que pode ser ativado ou desativado. O Motion Control copia os movimentos, expressões e gestos de um clipe de 3 a 30 segundos para o seu próprio personagem.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video): todo clipe já vem com som nativo, em 720p ou 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation): o primeiro modelo da Kling com áudio nativo, 1080p em 5 ou 10 segundos, com seu próprio Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video): opção econômica em 1080p em 5 ou 10 segundos, com quadro de encerramento, 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): a geração anterior, de imagem para vídeo em 720p até o 1080p de alta fidelidade do Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar): um retrato e uma faixa de áudio bastam para fazer essa pessoa falar ou cantar enquanto o áudio durar, por até cerca de cinco minutos.

A Kling modera o conteúdo por conta própria: cenas sugestivas às vezes passam, qualquer coisa mais reveladora é recusada, e uma solicitação recusada nunca é cobrada. Para conteúdo adulto, use uma das nossas famílias Spicy.

Kling O3, Kling 3.0, Kling 2.5 Turbo e Kling Avatar 2.0 têm preço abaixo do preço de tabela por segundo da própria Kling.

A central de avaliações agora classifica os modelos pela qualidade real do resultado, e não pela quantidade de especificações listadas.

• A qualidade do resultado representa 85% do Spicy Index. Ela combina rankings públicos de votação humana (arena.ai, Artificial Analysis, Design Arena) com nosso próprio teste cego: 112 prompts, o mesmo prompt para todos os modelos, avaliados por três jurados de diferentes criadores de modelos que nunca veem os nomes dos modelos. Especificações como resolução, duração e entradas aceitas representam 15%, e a resolução tem um teto de 1080p nativo.
• O teste cego é conferido com votos humanos. Em uma categoria em que nossos jurados não concordam o suficiente com os rankings públicos de votação humana, o teste cego passa a valer com peso reduzido, e um modelo que só tem evidência do teste cego é exibido, mas não classificado. Nesta rodada isso vale para vídeo, em que os jurados veem principalmente frames amostrados e perdem o trabalho de câmera. Cada relatório de teste indica qual regra foi aplicada.
• O áudio também conta. Em seis prompts de áudio, avaliamos a clareza da fala, a sincronia labial, a emoção e se cada som acontece no momento certo.
• 69 novas avaliações em 10 idiomas: 32 modelos de imagem e vídeo, 20 modelos de linguagem e 17 ferramentas, cada uma com nossos próprios resultados de teste e preços atuais.
• 106 novos prompts na arena, com 1.693 resultados para você votar.

As regras completas estão na página de metodologia.

O painel de Ferramentas do Spicy Studio agora lista todas as ferramentas, agrupadas em “A partir de uma imagem”, “A partir de um vídeo” e “Pessoas e rostos”, com o preço em cada ferramenta que roda direto do painel. Escolha uma ferramenta e depois um dos seus resultados, ou envie um arquivo.

Novo no Studio:

• A troca de rosto em fotos tem três níveis. Padrão é rápido e mantém o cabelo e o formato da cabeça da sua foto, Plus ajusta o tom de pele e decide, foto a foto, se troca só o rosto ou a cabeça inteira, e Pro preserva o máximo de detalhes do rosto.
• A troca de cabeça e de personagem em vídeo acontece em duas etapas. Primeiro o Studio encontra todas as pessoas do clipe, você escolhe quem substituir e só então a troca roda. Se a primeira etapa não encontrar ninguém, ela é reembolsada e nada mais roda.

Na primeira vez que você usa uma ferramenta que mexe no rosto de uma pessoa real, incluindo avatar falante e sincronia labial, o Studio pede que você aceite três regras: usar só o seu próprio rosto ou o de pessoas que disseram sim, nunca usar a foto de alguém com menos de 18 anos e nunca usar para se passar por outra pessoa nem para enganar ninguém. A sua resposta fica guardada naquele dispositivo.

Abra um canvas em Canvas e agora ele ocupa a tela inteira, com uma grade de pontos, seus planos como nós e os controles nas bordas.

• Adicione um nó em qualquer lugar. Clique duas vezes ou com o botão direito num espaço vazio, aperte + na barra de baixo ou a tecla N. Adicione uma imagem, um vídeo, uma edição, uma nota ou uma cena com quatro planos, ou traga um arquivo enviado, um resultado de Minhas criações, um template, um estilo ou um efeito.
• Continue de qualquer resultado. Imagens e clipes têm um + à direita que abre “Gerar a partir deste nó”: um vídeo a partir de uma imagem, uma edição, outro visual, o último quadro de um clipe como imagem nova ou qualquer ferramenta que funcione neles. Nós de prompt têm um + à esquerda que adiciona uma entrada: um arquivo enviado, algo de Minhas criações ou outro nó do canvas.
• Planeje antes de rodar. Ligue um nó de imagem a um nó de vídeo e o vídeo começa daquela imagem assim que ela ficar pronta. A caixa de prompt mostra o preço desta etapa e das duas juntas.
• Prompt ali mesmo. Selecione um nó de prompt e a caixa de prompt abre bem ao lado, com o modelo, as referências, o estilo, as configurações e o preço no botão de envio. As imagens conectadas são numeradas, então você pode digitar @ para apontar uma, como @image2. Nos modelos de vídeo que aceitam um quadro final, escolha se duas imagens são o quadro inicial e final ou referências.
• Uma barra só. Selecionar, mão, biblioteca, Minhas criações, ferramentas, desfazer e refazer ficam na barra de baixo; zoom, ajustar à tela e o minimapa ficam no canto. As linhas entre os nós e a visualização de storyboard são ativadas no topo.

Nada roda antes de você apertar gerar, e toda execução mostra o preço antes.

A caixa de prompt do Spicy Studio não espreme mais todo modelo em quatro formas e três durações. Ela mostra o que o modelo escolhido realmente aceita.

• Proporções em números. Aparecem todas as proporções que o modelo aceita, de 1:1 e 4:5 a 9:16 e 21:9, cada uma com um pequeno quadro em escala. Se o modelo pode escolher a forma sozinho ou seguir a sua foto, Auto aparece primeiro.
• Todas as durações compatíveis. Até sete durações aparecem como botões; faixas maiores usam um controle deslizante. Se o modelo oferece Auto, aparece o máximo que o clipe pode durar.
• Troque de modelo sem recomeçar. Se o novo modelo não oferece a sua proporção ou duração, o Studio passa para a mais próxima e avisa o que mudou.
• Templates de vídeo com prévia. Os 20 templates de vídeo agora têm um clipe de exemplo real, que toca quando você passa o mouse sobre o card. Cada um foi feito com o MiniMax H3 a partir do prompt do próprio template, e é com o MiniMax H3 que o template abre. A biblioteca de templates também alterna entre Imagens e Vídeos.
• Os cards de estilo mantêm o mesmo tema quando você passa o mouse, então você compara visuais, não pessoas.

Três novas famílias de imagem rodam modelos abertos com até três arquivos LoRA seus por requisição, cada um com força própria. Cada imagem tem um preço fixo, seja qual for a proporção.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): o Z-Image Turbo da Alibaba, de 8 passos, com poucos segundos por imagem e nove proporções com cerca de um megapixel, além de imagem para imagem com controle de força.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): o FLUX.1 [dev] da Black Forest Labs, a base com mais de mil LoRAs da comunidade no Hugging Face, com controle de guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): o Qwen-Image-2512 com até 1536 pixels no lado maior, e edição com o Qwen-Image-Edit-2511 a partir de uma a três fontes, com LoRAs de edição como os de novos ângulos de câmera.

Um LoRA é um link direto para um arquivo .safetensors: sem upload, sem lista de permissões, sem revisão. Os cinco endpoints são sem censura, e carregar LoRAs não tem custo extra.

A sincronia labial (spicyapi/lip-sync-v1/lip-sync) agora conta os segundos do áudio que você envia, não os do vídeo devolvido. O vídeo costuma durar cerca de meio segundo a mais que o áudio, e esse tempo extra não é mais cobrado.

O preço continua $0.012 por segundo, arredondado para cima até o segundo inteiro, com mínimo de 3 segundos. Um áudio de voz de 4,5 segundos agora é cobrado como 5 segundos, $0.06; pela duração do vídeo devolvido, podia chegar a 6 segundos, $0.072. Suas requisições continuam iguais, e a mesma regra vale no Spicy Studio.

O Spicy Studio abriu em 26 de setembro em spicyapi.ai/create. Os mesmos modelos e os mesmos preços por execução da API, num espaço feito para criar, não para integrar.

• Uma linha e depois Gerar. Escolha Imagem ou Vídeo, escreva o que você quer ver ou aperte Tab para usar o exemplo. Cada modo abre com um modelo adequado, que você troca quando quiser, e o prompt vai junto. O preço no botão é o máximo que a execução pode custar, e nada é cobrado antes de você apertar.
• 97 looks, 4 acabamentos e 12 efeitos. Um look envolve o seu assunto com uma redação testada para luz, cor e técnica — cinema, editorial, anime, pintura, 3D e um conjunto After Dark — e mostra o prompt completo antes da execução. Não aumenta o preço. Um efeito transforma uma foto numa tomada pronta: aproximação, órbita, subida de drone, chuva, neve, visual 16 mm.
• 150 templates em 13 grupos. Cada um é um briefing pronto com cenário, luz e lente já escritos; você só diz quem está no quadro.
• Canvas para trabalhos com mais de uma tomada. Ramifique qualquer quadro em vídeo, edição ou variações, transforme o último quadro de um clipe no começo do próximo, agrupe as tomadas em cenas e reproduza tudo como storyboard. Os projetos de exemplo mostram cada prompt e podem ser copiados inteiros.
• Ferramentas em cada resultado: as oito ferramentas novas, da remoção de fundo à sincronia labial, ficam ao lado de “Coloque em movimento” e “Variações”.
• Aprimorar reescreve uma ideia de uma linha como um prompt detalhado para o modelo escolhido antes de executar; é cobrado à parte, pelo valor pequeno mostrado no botão.
• Privado por padrão. Nada é publicado em feed ou galeria. Os resultados ficam 14 dias em Criações, os uploads são apagados depois de um dia e a opção Desfocar até eu tocar esconde os resultados até você tocar neles.

Sem conta, você pode navegar, carregar exemplos e ver os preços exatos; para gerar é preciso ter uma, e o seu rascunho fica guardado enquanto você se cadastra. Cada execução no Studio também é uma chamada de API com os mesmos parâmetros, então um look que você acerta aqui vai direto para o código.

O cabeçalho do site mudou junto: Modelos · Estúdio · Rankings · Desenvolvedores · Preços. As seleções de modelos que ficavam em Explorar agora estão em Coleções, dentro do menu Modelos.

Em 26 de setembro entraram no ar oito endpoints de uma tarefa só. Cada um faz um trabalho numa imagem ou clipe que você já tem, com preço fixo. Chame como qualquer outro modelo ou use no Spicy Studio, onde eles ficam em Ferramentas e nos seus resultados.

O que define a cobrança:

• O aumento de vídeo é cobrado pela duração do clipe original, arredondada para cima em segundos inteiros, com mínimo de 3 segundos.
• O avatar falante e a sincronia labial são cobrados pelo vídeo devolvido, que tem a mesma duração do seu áudio (mínimo de 3 segundos). A sincronia labial repete em loop um clipe mais curto que o áudio.
• Os efeitos sonoros são cobrados pelo duration_seconds que você pede (1 a 30, padrão 8), não pelo clipe, então ajuste para a duração do clipe. A ferramenta faz efeitos e ambiente, não diálogo nem música.
• Entradas de áudio e vídeo precisam ser links diretos para o arquivo, e enviar o arquivo é o caminho mais confiável. Entradas fora da duração permitida são recusadas antes de qualquer cobrança.

A xAI lançou o Grok 4.7 em 21 de setembro, e o xai/grok-4.7/chat pode ser chamado aqui desde 22 de setembro, com o mesmo formato de chat da OpenAI e o mesmo streaming SSE dos outros endpoints do Grok.

• 40% abaixo do preço publicado pela xAI na faixa padrão ($2 / $0.50 / $6) e 60% abaixo da faixa de contexto longo ($4 / $1 / $12).
• Sem censura nesta rota. Em 22 de setembro, nove sondas de escrita criativa do nível 4 da nossa escala de testes de conteúdo, que tem cinco, em três estilos de prompt, voltaram como nove cenas completas, sem nenhuma recusa; em 24 de setembro, ele passou também em todos os outros níveis que testamos, inclusive o mais alto. Não adicionamos filtro próprio.
• O papel system é respeitado, conferimos de propósito: um enquadramento definido no começo da conversa vale até o fim.
• O raciocínio é cobrado como saída. O padrão high custa mais do que parece; em diálogo, low ou medium fica mais natural e sai mais barato.