Saltar al contenido
Alfa
  • Modelos
  • Clasificaciones
  • Ori
Hablar con ventas

Pie de página

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Producto

  • Chat
  • Clasificaciones
  • Pruebas de rendimiento
  • Aplicaciones
  • Descubrir
  • Modelos
  • Ori
  • Colecciones
  • Proveedores
  • Herramientas
  • Precios
  • Business
  • Enterprise
  • Laboratorio

Empresa

  • Acerca de
  • Blog
  • Clientes
  • Empleo
    Empleo
  • Privacidad
  • Términos del servicio
  • Centro de confianza
  • Soporte
  • Compatible con OR
  • Datos
  • Marca

Desarrollador

  • Documentación
  • Referencia de la API
  • Plataforma para desarrolladores
  • Estado
  • Mapa del sitio para IA

Conectar

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
Colecciones/Modelos de audio

Mejores modelos de generación de audio

Clasificaciones de modelos actualizadas noviembre de 2026 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.

Explorar todos los modelosComparar modelos

Los mejores modelos de generación de audio en OpenRouter

Favicon de openai

OpenAI: GPT Audio Mini

459M tókenes

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$/M entrada tokens2,40 US$/M salida tokens
Favicon de google

Google: Lyria 3 Pro Preview

203M tókenes

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
Favicon de openai

OpenAI: GPT Audio

101M 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$/M entrada tokens10 US$/M salida tokens
Favicon de google

Google: Lyria 3 Clip Preview

8,94M tókenes

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

Send POST /api/v1/chat/completions with modalities set to ["text", "audio"] and an audio object naming the voice and format. Audio output requires stream: true; the response arrives as SSE chunks, and the client concatenates the base64 delta.audio.data fragments in order before decoding the combined string once into the final file. The audio guide covers the request and the chunk format. For dedicated speech synthesis, use the text-to-speech models at POST /api/v1/audio/speech.

Listings with published pricing show input audio and output audio prices per million tokens next to their text token prices, so the cost of a reply depends on how much audio it returns. You pay only for the requests you make, with no separate subscription per provider.

Set audio.voice and audio.format in the request. Voices such as alloy or nova and formats such as wav, mp3, flac, opus, and pcm16 vary by model, so check the model page before you choose.

Yes. One OpenRouter API key works for every audio model on this page and for every other model on OpenRouter. Create a key on your API keys page.

Explorar más colecciones

  • Modelos gratuitos
  • Modelos con descuento
  • Programación
  • Juego de roles
  • Modelos de visión
  • Llamadas a herramientas
  • OpenClaw
  • Modelos de imágenes
  • Modelos de vídeo
  • Texto a voz
  • Voz a texto
  • Modelos de embeddings
  • Modelos de reclasificación
  • Modelos destilables
  • Todas las colecciones