Grok TTS
Grok TTS от xAI — text-to-speech: читает сценарий до 15 000 символов одним из 71 готового голоса на 20 языках. Теги вроде laughs и whispers исполняются, скорость от 0.7 до 1.5×.
Открыть Schema →Посмотреть примеры результатов →Сравнения моделей
Grok TTS и Seed Speech 2.0
Цена за единицу у Grok TTS на 75% ниже, чем у Seed Speech 2.0. Цены по ступеням, поля запроса и ограничения — на одной странице.
Seed Speech 2.0
Seed Speech 2.0 от ByteDance text-to-speech превращает сценарий в моно MP3 24 кГц на одном из 41 готовых голосов. Скорость, высота и громкость настраиваются, подсказки простым языком задают интонацию, контент-фильтр не применяется.
Открыть Schema →Посмотреть примеры результатов →Сравнить
Коротко
Отталкивайтесь от исходных материалов, нужного результата и бюджета. Ниже — различия, которые влияют на выбор.
- Цена за единицу у Grok TTS ниже на 75%.
- Обе модели относятся к категории «Без цензуры». Сравните доступные примеры и тесты контента на страницах моделей для нужных вам сцен.
Сравните опубликованные примеры, затем попробуйте обе модели на одном входе с сопоставимыми настройками.
Текущая цена
Цена при одинаковой настройке
Начальная цена отвечает не на тот вопрос, который у вас есть. Здесь собраны ступени, опубликованные обеими моделями, сведённые настройка к настройке, в долларах США за единицу тарификации и без промежуточного пересчёта.
Проведите по горизонтали, чтобы сравнить все поля.
| Ступень | Grok TTS | Seed Speech 2.0 | Разница |
|---|---|---|---|
| Текущая цена | $0.018 / тысячи символов | $0.072 / тысячи символов | Grok TTS −75% |
О данных сравнения
Настройки и ограничения
Каждая строка читается из JSON Schema, по которой валидирует endpoint, — то есть соответствует тому, что API действительно примет, а не списку возможностей, написанному вручную.
Проведите по горизонтали, чтобы сравнить все поля.
| Настройки и ограничения | Grok TTS | Seed Speech 2.0 |
|---|---|---|
| Задачи | text-to-speech | text-to-speech |
| Аудиовыход | Да | Да |
| Исполнение | Отправка, затем опрос или колбэк | Отправка, затем опрос или колбэк |
| Предел времени на запрос | 30 минут | 30 минут |
| Доступность | Доступен | Доступен |
Меньше ограничений означает, что разрешен любой запрос?
Контентная политика рядом
За этими метками стоят два разных факта. Первый — о том, что делаем мы, и ответ здесь: ничего. Никакого платформенного фильтра контента и никакого флага зрелости, который нужно было бы выставлять в запросе. Второй — о поведении самой модели, и именно он у этих двух различается.
Grok TTS
Без цензуры
Модель заявляет об отсутствии контент-фильтра. SpicyAPI передаёт запрос без проверки контента платформой; ответственность за законность и за согласие участников остаётся на клиенте.
Примечание по использованию SpicyAPI не добавляет фильтр контента: NSFW-сценарии читаются так, как написаны. Вы отвечаете за отправляемые сценарии и за использование полученного аудио, в том числе за то, чтобы не выдавать его за слова реального человека.
Seed Speech 2.0
Без цензуры
Модель заявляет об отсутствии контент-фильтра. SpicyAPI передаёт запрос без проверки контента платформой; ответственность за законность и за согласие участников остаётся на клиенте.
Примечание по использованию SpicyAPI не добавляет никакого контент-фильтра: NSFW-сценарии зачитываются в точности как написано. Вы несёте ответственность за отправляемые сценарии и за то, как используете полученный звук, включая недопустимость выдавать его за слова реального человека.
Сузьте выбор по этим категориям, затем посмотрите доступные примеры и подробности тестов контента на страницах моделей.
Метка не меняет ваших обязанностей. Возраст, согласие, изображение реальных людей и право той юрисдикции, где вы работаете, остаются на вас; SpicyAPI не проверяет содержание каждого запроса.
Можно заменить только ID модели, не меняя тело запроса?
Тело запроса, поле за полем
Жизненный цикл задачи общий, а тело запроса — нет. Каждый endpoint публикует собственную JSON Schema, и API валидирует именно по ней. Это тот список, который нужно свести перед переходом.
- 6 полей встречаются под одинаковыми именами в обоих телах запроса. text, speed, language, voice_id, sample_rate, output_format
- Только Grok TTS принимает: bitrate, text_normalization, optimize_streaming_latency.
- Только Seed Speech 2.0 принимает: pitch, volume, instructions.
- Grok TTS требует text.
- Seed Speech 2.0 требует text.
- Обе прямо отклоняют незнакомые поля, так что параметр, оставшийся от другой модели, вернётся ошибкой валидации, а не будет тихо проигнорирован.
Сравнить
Переход с одной на другую
Идентификаторы моделей — xai/grok-tts/text-to-speech и bytedance/seed-speech-2.0/text-to-speech; оба ставятся в одно и то же поле одного и того же запроса.
Обе работают одинаково: отправляете задачу, затем опрашиваете её или принимаете колбэк. Очередь и логика повторов переносятся без изменений.
Отправка и отслеживание устроены одинаково, но обязательные входные данные могут отличаться. Перед заменой проверьте страницы обеих моделей.
Один ключ, один баланс, один набор лимитов расходов. Обе списываются с одного счёта в долларах США, а дневной, месячный и суммарный лимиты ключа действуют независимо от того, какую из них вы вызвали.
Частые вопросы
Что дешевле: Grok TTS или Seed Speech 2.0?
Что дешевле: Grok TTS или Seed Speech 2.0?
Цена за единицу у Grok TTS ниже на 75%. Проверяйте актуальную оценку перед отправкой.
Сколько может длиться один запрос?
Grok TTS допускает 30 минут на задачу, Seed Speech 2.0 — 30. Это потолок, а не обычное время: большинство запросов завершается гораздо раньше. Но таймаут вашего клиента должен выдерживать именно его.
Цены и возможности взяты из текущего публичного каталога. Актуальные входные данные и примеры смотрите на странице каждой модели.