Beste Modelle zur Audiogenerierung
Modellranglisten aktualisiert auf Basis tatsächlicher Nutzungsdaten.
Modelle werden nach der Gesamtzahl der Prompt- und Completion-Token eingestuft, die in den letzten 7 Tagen über die OpenRouter-API verarbeitet wurden. Die 4 bestplatzierten Modelle werden angezeigt. Ranglisten messen die Nutzung auf OpenRouter und spiegeln die Verbreitung wider, nicht die Modellqualität oder die Leistung in Vergleichstests.
Modelle zur Audiogenerierung erzeugen Audioausgaben aus Text oder anderen Prompts und ermöglichen Anwendungsfälle wie Musikgenerierung, Sounddesign, sprachgesteuerte Assistenten und multimodale Anwendungen, die mit Audio antworten. Diese Sammlung stellt einige der besten auf OpenRouter verfügbaren Modelle zur Audiogenerierung vor und erleichtert den Vergleich von Qualität, Preisen und Latenz verschiedener Anbieter über eine einzige API.
Top-Modelle zur Audiogenerierung auf OpenRouter
OpenAI: GPT Audio Mini
A cost-efficient version of GPT Audio. The new snapshot features an upgraded decoder for more natural sounding voices and maintains better voice consistency. Input is priced at $0.60 per million tokens and output is priced at $2.40 per million tokens.
OpenAI: GPT Audio
The gpt-audio model is OpenAI's first generally available audio model. The new snapshot features an upgraded decoder for more natural sounding voices and maintains better voice consistency. Audio is priced at $32 per million input tokens and $64 per million output tokens.
Google: Lyria 3 Pro Preview
Full-length songs are priced at $0.08 per song. Lyria 3 is Google's family of music generation models, available through the Gemini API. With Lyria 3, you can generate high-quality, 48kHz stereo audio from text prompts or from images. These models deliver structural coherence, including vocals, timed lyrics, and full instrumental arrangements. Lyria 3 Pro can generate full-length songs with verses, choruses, bridges.
Google: Lyria 3 Clip Preview
30 second duration clips are priced at $0.04 per clip. Lyria 3 is Google's family of music generation models, available through the Gemini API. With Lyria 3, you can generate high-quality, 48kHz stereo audio from text prompts or from images. These models deliver structural coherence, including vocals, timed lyrics, and full instrumental arrangements. Lyria 3 Clip can generate short clips, loops, previews.
Häufig gestellte Fragen
Senden Sie POST /api/v1/chat/completions mit modalities auf ["text", "audio"] und einem audio-Objekt, das voice und format angibt. Die Audioausgabe erfordert stream: true; die Antwort trifft in SSE-Chunks ein, und der Client fügt die Base64-Fragmente aus delta.audio.data der Reihe nach zusammen, bevor er die kombinierte Zeichenfolge einmalig in die endgültige Datei dekodiert. Der Audio-Leitfaden behandelt die Anfrage und das Chunk-Format. Für dedizierte Sprachsynthese verwenden Sie die Text-to-Speech-Modelle unter POST /api/v1/audio/speech.
Einträge mit veröffentlichten Preisen zeigen neben den Preisen für Text-Token auch die Preise für Audioeingabe und Audioausgabe pro Million Token an, sodass die Kosten einer Antwort davon abhängen, wie viel Audio sie zurückgibt. Sie zahlen nur für die Anfragen, die Sie stellen, ohne separates Abonnement pro Anbieter.
Legen Sie audio.voice und audio.format in der Anfrage fest. Stimmen wie alloy oder nova und Formate wie wav, mp3, flac, opus und pcm16 variieren je nach Modell, prüfen Sie daher die Modellseite, bevor Sie Ihre Auswahl treffen.
Ja. Ein OpenRouter-API-Schlüssel funktioniert für jedes Audiomodell auf dieser Seite und für jedes andere Modell auf OpenRouter. Erstellen Sie einen Schlüssel auf Ihrer API-Schlüssel-Seite.