API de geração de áudio com IA
18 modelos de áudio para música, texto para voz, efeitos sonoros e limpeza de áudio, incluindo Suno v6, Gemini 3.8 Flash TTS e MiniMax Speech 2.8 HD. Um único formato de requisição para todos.
- modelos
- 18
- criadores
- 9
- endpoints
- 18
- economia máx. sobre o preço de tabela
- 10%
Por onde começar
- Mais popularesSuno v6
suno/v6/text-to-audioMúsicas completas com vocal a partir da sua letra ou de uma breve ideiaÁudioAté 5 imagens de referênciaSuas próprias letrasA partir deUS$ 0,072por geração - Menor preçoGrok STT
xai/grok-stt/speech-to-textTranscrições com tempo de cada palavra em 25 idiomasÁudio25 idiomasA partir deUS$ 0,00003por segundo - Mais recentesGemini 3.8 Flash TTS
google/gemini-3.8-flash-tts/text-to-speechFala expressiva que interpreta indicações como [laughing]Áudio70 vozesA partir deUS$ 0,00032por segundo
- Suno v6
suno/v6/text-to-audioMúsicas completas com vocal a partir da sua letra ou de uma breve ideiaÁudioAté 5 imagens de referênciaSuas próprias letrasA partir deUS$ 0,072por geração - Gemini 3.8 Flash TTS
google/gemini-3.8-flash-tts/text-to-speechFala expressiva que interpreta indicações como [laughing]Áudio70 vozesA partir deUS$ 0,00032por segundo - MiniMax Speech 2.8 HD
minimax/speech-2.8-hd/text-to-speechFala em alta fidelidade com mais de 400 vozes e controle de emoçãoÁudio472 vozes40 idiomasA partir deUS$ 0,12a cada 1.000 caracteres - MiniMax Music 3.0
minimax/music-3.0/text-to-audioMúsicas estéreo prontas, com vocal ou instrumentaisÁudioSuas próprias letrasA partir deUS$ 0,18por geração - Seed Audio 1.0
bytedance/seed-audio-1.0/text-to-audioCenas de áudio com várias vozes, música e efeitosÁudioA partir deUS$ 0,36por geração - Gemini 3.8 Flash-Lite TTS
google/gemini-3.8-flash-lite-tts/text-to-speechFala rápida e leve em 30 vozesÁudio70 vozesA partir deUS$ 0,00021por segundo - Suno v6 Mini
suno/v6-mini/text-to-audioDuas músicas rápidas com vocal a partir de uma fraseÁudioAté 5 imagens de referênciaSuas próprias letrasA partir deUS$ 0,072por geração - Suno v6 Wild
suno/v6-wild/text-to-audioMúsicas experimentais e cheias de textura, com vocalÁudioAté 5 imagens de referênciaSuas próprias letrasA partir deUS$ 0,072por geração - HeartMuLa Transcribe
heartmula/transcribe/speech-to-textLetras tiradas de vocais cantados, em vários idiomasÁudioA partir deUS$ 0,05por geração - Grok STT
xai/grok-stt/speech-to-textTranscrições com tempo de cada palavra em 25 idiomasÁudio25 idiomasA partir deUS$ 0,00003por segundo - Grok TTS
xai/grok-tts/text-to-speech71 vozes em 20 idiomas, com tags de falaÁudio71 vozes20 idiomasA partir deUS$ 0,018a cada 1.000 caracteres - Seed Speech 2.0
bytedance/seed-speech-2.0/text-to-speech41 vozes com o tom definido em linguagem simplesÁudio41 vozes10 idiomasA partir deUS$ 0,072a cada 1.000 caracteres - MiniMax Speech 2.8 Turbo
minimax/speech-2.8-turbo/text-to-speechFala rápida com mais de 400 vozes e controle de emoçãoÁudio472 vozes40 idiomasA partir deUS$ 0,072a cada 1.000 caracteres - Qwen3 TTS
alibaba/qwen-3-tts/text-to-speechFala de código aberto com tom e ritmo em palavras simplesÁudio9 vozes10 idiomasA partir deUS$ 0,068a cada 1.000 caracteres - Chatterbox
resemble-ai/chatterbox-v1/text-to-speechFala em inglês que imita uma amostra curta de vozÁudioA partir deUS$ 0,036por geração - Gemini 2.5 Pro TTS
google/gemini-2.5-pro-tts/text-to-speech−10%Vozes que você dirige, para narração e diálogos a doisÁudio30 vozesA partir deUS$ 0,00045US$ 0,0005por segundo - Video Sound Effects
popnow/foley-v1/video-to-audioEfeitos sonoros e ambiente sob medida para o seu vídeoÁudioClipes de 1 a 30 sA partir deUS$ 0,006por um clipe de 5 segundos - Vocal Isolator
popnow/vocal-isolator-v1/audio-separationNovoUma gravação, faixas separadas de voz e fundoÁudioA partir deUS$ 0,0012por segundo
Por tarefa
Outros tipos de modelo
Explorar por criador
Todos os criadores de modelos da PopNow API, com quantos dos seus modelos você pode chamar.
- Alibaba40 modelos−33%Wan 3.0 · Qwen Image 2.1 Pro · Qwen Image 2.1 Turbo · Qwen Image 2.1A partir de US$ 0,01 por imagem
- ByteDance17 modelos−30%Seedance 2.5 · Seedream 5.0 Pro · Seed Audio 1.0 · Seedream 5.0 FlashA partir de US$ 0,026 por imagem
- PopNow14 modelosBackground Remover · Image Upscaler · Object Eraser · Video UpscalerA partir de US$ 0,0012 por segundo
- MiniMax10 modelos−55%MiniMax H3 · MiniMax Speech 2.8 HD · MiniMax Music 3.0 · MiniMax H3 Singularity LoRAA partir de US$ 0,042 por imagem
- Google6 modelos−20%Nano Banana 2.1 · Nano Banana Pro · Gemini 3.8 Flash TTS · Gemini 3.8 Flash-Lite TTSA partir de US$ 0,00021 por segundo
- Suno3 modelosSuno v6 · Suno v6 Mini · Suno v6 WildA partir de US$ 0,072 por geração
- xAI2 modelosGrok STT · Grok TTSA partir de US$ 0,00003 por segundo
- HeartMuLa1 modeloHeartMuLa TranscribeA partir de US$ 0,05 por geração
- Resemble AI1 modeloChatterboxA partir de US$ 0,036 por geração
Perguntas frequentes
Como é cobrado o áudio com IA?
A voz costuma ser cobrada pela quantidade de texto, e a música e os efeitos sonoros por faixa ou por segundo. Cada página de modelo lista a unidade de cobrança e todos os níveis de preço.
Quais vozes e idiomas estão disponíveis?
Cada modelo de texto para voz lista as vozes e os idiomas na própria página. Escolha uma voz pelo nome na requisição.
Posso usar o áudio no meu produto?
As condições de uso seguem os termos de serviço da PopNow e os limites do modelo que você chama. Confira a página do modelo e os termos antes de lançar o seu produto.
Está faltando algum modelo de que você precisa? Escreva para support@popnow.ai e diga qual.
Comece a criar em minutos
Uma chave para todos os modelos, um saldo em USD que você recarrega quando precisar e um preço exato antes de cada execução.