StepAudio 3 TTS의 개요
StepAudio 3 TTS는 StepFun의 StepAudio 3 제품군에 속한 텍스트 음성 변환 모델입니다. 이 제품군은 2026년 9월 15일 공개된 다섯 개의 오디오 모델로, 전이중 대화 모델, 음성 인식, 범용 오디오 생성, 음악 생성도 포함합니다. 생성하면서 음성을 스트리밍하고, 웃음, 숨소리, 머뭇거림, 고쳐 말하기를 없애야 할 잡음이 아니라 연기의 일부로 다룹니다.
내장 목소리는 12개로, StepAudio 2.5에서 가져온 7개와 새 목소리 5개입니다. 말투는 최대 500자의 쉬운 지시문이나 본문 속 괄호 지시로 정하며, 괄호 내용은 연기에 반영되지만 소리 내어 읽히지는 않습니다. 목소리는 참조 오디오로 복제하거나 설명으로 설계할 수 있습니다. 영어와 중국어는 완전 지원되고, 일본어, 한국어, 프랑스어, 스페인어는 미리보기 단계입니다.
모델은 StepFun의 중국·국제 플랫폼과 EmpirioLabs 같은 파트너를 통한 API로만 제공됩니다. StepFun의 이전 모델 Step-Audio-TTS-3B와 달리 가중치는 공개되지 않았습니다.
StepAudio 3 TTS의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Speech | $14 per 1M billable characters | 영문자, 숫자, 공백은 1자, 중국어 3자, 일본어 2.5자로 계산 |
| Voice cloning or design | $1.50 per voice | 목소리를 라이브러리에 추가할 때 과금 |
2026년 11월 23일부터 과금 대상 1M(100만) 자당 $14입니다(출시 당시 가격은 10,000자당 $0.36로 알려졌습니다). 목소리 복제나 설계는 목소리당 $1.50입니다. 중국어 글자는 3자, 일본어는 2.5자로 계산합니다.
StepAudio 3 TTS, 쓸 만한 가치가 있습니까?
Artificial Analysis 음성 아레나 상위권이 더 이상 서구 모델만의 무대가 아닌 이유가 StepAudio 3 TTS입니다. 1,307 Elo로 3위이며, ElevenLabs의 Eleven v4보다 33점 낮고 Cartesia의 Sonic 3.6보다는 높습니다. 가격은 100만 자당 $14로, 같은 표의 Eleven v4 $80, Sonic 3.6 $49보다 훨씬 쌉니다. 이렇게 적은 돈으로 이만큼 좋은 소리를 내는 음성 모델은 드뭅니다.
설계에는 머뭇거림도 사람이 말하는 방식의 일부라는 StepFun의 관점이 담겨 있습니다. 한 문장으로 연기 방식을 알려 주거나 괄호에 지문을 넣으면, 대부분의 시스템이 깎아 내는 숨소리와 말 더듬기를 더해 줍니다. 은행의 대기 안내 멘트보다는 드라마, 설명 영상, 캐릭터 목소리에 어울립니다.
주의할 점: 주변 환경이 빠듯합니다. 요청당 1,000자 제한이 있어 한 장(章)을 문장 크기로 잘라 다시 이어 붙여야 하고, 출력은 최대 24 kHz입니다. 여섯 개 언어 중 네 개는 미리보기입니다. 과금 시 중국어 한 글자를 세 자로, 일본어 한 글자를 2.5자로 세기 때문에 표시 가격은 영어에 유리합니다. 가격 자체도 바뀌었습니다. StepFun 가격 페이지는 2026년 11월 23일 요금을 바꾸며, 출시 당시의 10,000자당 $0.36라는 수치가 외부 가격 추적 사이트에 아직 돌고 있습니다.
결론: 예산이 빠듯한 영어나 표준 중국어 내레이션이라면 이제 넘어서야 할 기준이 되는 목소리입니다. 긴 단일 요청, 높은 샘플링 속도, 넓은 언어 지원이 필요한 팀은 아낀 비용을 엔지니어링에 쓰게 됩니다.
제 역할을 하는 곳
영어 오디오 드라마를 만드는 2인 스튜디오
40,000단어 대본을 연습한 티 나지 않는 숨소 리, 쉼, 머뭇거림과 함께 녹음하기
대본을 1,000자 미만의 요청으로 나누고 대사마다 괄호 지시를 넣은 뒤 오디오를 이어 붙입니다. 약 240,000자는 100만 자당 $14 기준 약 $3.40입니다.
상하이의 이러닝 기업
복제한 강사 목소리로 일관되게 표준 중국어 강의 내레이션하기
강사를 $1.50에 한 번 복제한 뒤 강의를 합성합니다. 중국어 한 글자가 과금상 3자로 계산되므로 대본 100만 자당 약 $42를 예산에 넣으십시오.
도입 전 확인할 점
- 설정
- OpenAI 방식의 /v1/audio/speech 엔드포인트에 모델 stepaudio-3-tts, 목소리, 선택적 지시를 담아 POST합니다. 비스트리밍 응답은 오디오 URL을 돌려줍니다.
- 연동
- StepFun 국제·중국 플랫폼, EmpirioLabs 재판매, 8~24 kHz의 mp3·wav·flac·opus·pcm 출력.
- 데이터와 개인정보
- API 전용이며 가중치는 없습니다. StepFun 가격 페이지와 검토한 문서에는 오디오와 텍스트의 보관이나 학습 사용이 나와 있지 않으므로, 고객 콘텐츠를 보내기 전에 플랫폼 약관을 확인하십시오.
- 대규모 사용 시 비용
- 영어 내레이션 1,000만 자는 $140이며, 같은 길이의 중국어 텍스트는 3,000만 자로 과금되어 $420입니다.
- 제한
- 요청당 1,000자, 48 kHz는 거부됩니다. 새 계정은 동시 요청 5개, 분당 100건으로 시작하며 누적 충전액에 따라 늘어납니다.
좋은 점
- Artificial Analysis 아레나 1,307 Elo로 3위
- 1M 자당 $14, Eleven v4의 $80의 5분의 1 미만
- 쉬운 말로 하는 연기 지시와 자연스러운 숨소리, 머뭇거림
- 목소리 복제나 설계 비용 $1.50
아쉬운 점
- 요청당 1,000자, 최대 24 kHz
- 일본어, 한국어, 프랑스어, 스페인어는 아직 미리보기
- 중국어 글자는 3자, 일본어는 2.5자로 과금
- 검토한 문서에 오디오 데이터 처리 조건이 없음
추천 대상
영어나 표준 중국어 내레이션, 설명 영상, 캐릭터 대화를 만들면서 낮은 글자당 가격에 최상위에 가까운 품질을 원하고, 대본을 짧은 요청으로 나눌 수 있는 제작자.
StepAudio 3 TTS 대안
StepAudio 3 TTS: 자주 묻는 질문
- StepAudio 3 TTS, 쓸 만한 가치가 있습니까?
- 선두 모델 가격의 일부만으로 청취자 순위 최상위권에 근접하지만, 대본이 짧고 주로 영어나 중국어여야 합니다. 평점은 5점 만점에 4.2점입니다.
- StepAudio 3 TTS의 가격은 얼마입니까?
- 2026년 11월 23일부터 과금 대상 1M(100만) 자당 $14입니다(출시 당시 가격은 10,000자당 $0.36로 알려졌습니다). 목소리 복제나 설계는 목소리당 $1.50입니다. 중국어 글자는 3자, 일본어는 2.5자로 계산합니다.
- StepAudio 3 TTS의 단점은 무엇입니까?
- 요청당 1,000자, 최대 24 kHz; 일본어, 한국어, 프랑스어, 스페인어는 아직 미리보기; 중국어 글자는 3자, 일본어는 2.5자로 과금; 검토한 문서에 오디오 데이터 처리 조건이 없음.
- StepAudio 3 TTS에 적합한 사람은 누구입니까?
- 영어나 표준 중국어 내레이션, 설명 영상, 캐릭터 대화를 만들면서 낮은 글자당 가격에 최상위에 가까운 품질을 원하고, 대본을 짧은 요청으로 나눌 수 있는 제작자.
- 팀이나 프로덕션 환경에서 StepAudio 3 TTS의 비용은 얼마입니까?
- 영어 내레이션 1,000만 자는 $140이며, 같은 길이의 중국어 텍스트는 3,000만 자로 과금되어 $420입니다.
- StepAudio 3 TTS에 회사 데이터를 맡겨도 안전합니까?
- API 전용이며 가중치는 없습니다. StepFun 가격 페이지와 검토한 문서에는 오디오와 텍스트의 보관이나 학습 사용이 나와 있지 않으므로, 고객 콘텐츠를 보내기 전에 플랫폼 약관을 확인하십시오.
- StepAudio 3 TTS의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Eleven v4 and v4 Turbo, Cartesia Sonic 3.6, Qwen-Audio-3.1-TTS-Plus 및 Speechify Simba 3.5입니다.
답변 확인일: 2026년 11월 21일.