Melhores modelos de geração de áudio

Classificações de modelos atualizadas com base em dados reais de uso.

Os modelos são classificados pelo total de tokens de prompt e de resposta processados pela API do OpenRouter nos últimos 7 dias. Exibindo os 4 melhores modelos. As classificações medem o uso no OpenRouter e refletem a adoção, não a qualidade do modelo ou o desempenho em testes de referência.

Os modelos de geração de áudio criam saídas de áudio a partir de texto ou outros prompts, viabilizando casos de uso como geração de música, design de som, assistentes habilitados para voz e aplicações multimodais que respondem com áudio. Esta coleção destaca alguns dos melhores modelos de geração de áudio disponíveis no OpenRouter, facilitando a comparação de qualidade, preços e latência entre provedores por meio de uma única API.

Principais modelos de geração de áudio no 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 contextoUS$ 0,60/M entrada US$ 2,40/M saída
Favicon de openai

OpenAI: GPT Audio

121M tokens

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 contextoUS$ 2,50/M entrada US$ 10/M saída

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 contextoUS$ 0,08/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 contextoUS$ 0,04/song

Perguntas frequentes

Explorar mais coleções