Meilleurs modèles de génération audio
Classement des modèles mis à jour à partir de données d’utilisation réelles.
Les modèles sont classés selon le nombre total de jetons de prompt et de réponse traités via l’API OpenRouter au cours des 7 derniers jours. Affichage des 4 meilleurs modèles. Les classements mesurent l’utilisation sur OpenRouter et reflètent l’adoption, et non la qualité des modèles ou leurs performances aux tests de référence.
Les modèles de génération audio créent des sorties audio à partir de texte ou d’autres prompts, pour des cas d’usage comme la génération musicale, la conception sonore, les assistants vocaux et les applications multimodales qui répondent par de l’audio. Cette collection met en avant certains des meilleurs modèles de génération audio disponibles sur OpenRouter, ce qui facilite la comparaison de la qualité, des prix et de la latence entre fournisseurs via une seule API.
Meilleurs modèles de génération audio sur 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.
Questions fréquentes
Envoyez POST /api/v1/chat/completions avec modalities défini sur ["text", "audio"] et un objet audio précisant les valeurs de voice et de format. La sortie audio nécessite stream: true ; la réponse arrive sous forme de blocs SSE, et le client concatène dans l’ordre les fragments base64 delta.audio.data avant de décoder la chaîne combinée en une seule fois pour obtenir le fichier final. Le guide audio décrit la requête et le format des blocs. Pour la synthèse vocale dédiée, utilisez les modèles de synthèse vocale à l’adresse POST /api/v1/audio/speech.
Les fiches dont les tarifs sont publiés affichent les prix de l’audio en entrée et en sortie par million de jetons à côté des prix des jetons de texte, de sorte que le coût d’une réponse dépend de la quantité d’audio qu’elle renvoie. Vous ne payez que les requêtes que vous effectuez, sans abonnement distinct par fournisseur.
Définissez audio.voice et audio.format dans la requête. Les voix telles que alloy ou nova et les formats tels que wav, mp3, flac, opus et pcm16 varient selon le modèle ; consultez donc la page du modèle avant de faire votre choix.
Oui. Une seule clé API OpenRouter fonctionne pour tous les modèles audio de cette page et pour tous les autres modèles sur OpenRouter. Créez une clé sur votre page des clés API.