Mejores modelos de generación de audio

Clasificaciones de modelos actualizadas según datos de uso reales.

Los modelos se clasifican según el total de tókenes de prompts y respuestas procesados a través de la API de OpenRouter durante los últimos 7 días. Se muestran los 4 modelos mejor clasificados. Las clasificaciones miden el uso en OpenRouter y reflejan la adopción, no la calidad del modelo ni su rendimiento en pruebas de evaluación.

Los modelos de generación de audio crean audio a partir de texto u otras instrucciones, lo que permite casos de uso como la generación de música, el diseño de sonido, los asistentes con funciones de voz y las aplicaciones multimodales que responden con audio. Esta colección destaca algunos de los mejores modelos de generación de audio disponibles en OpenRouter, lo que facilita comparar la calidad, los precios y la latencia entre proveedores a través de una sola API.

Los mejores modelos de generación de audio en OpenRouter

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.

por openai128K de contexto0,60 US$/M entrada 2,40 US$/M salida
Favicon de openai

OpenAI: GPT Audio

118M tókenes

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.

por openai128K de contexto2,50 US$/M entrada 10 US$/M salida

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.

por google1,05M de contexto0,08 US$/song

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.

por google1,05M de contexto0,04 US$/song

Preguntas frecuentes

Explorar más colecciones