Audio y música
ElevenLabs llega a OpenRouter con once modelos de voz, y hasta el 19 de octubre a mitad de precio
OpenRouter anunció el 7 de octubre que los modelos de ElevenLabs ya están en su plataforma: nueve de texto a voz y dos de voz a texto. Lo práctico es que no hace falta contratar un plan aparte de ElevenLabs — se llama a dos endpoints de OpenRouter con la misma clave de API que ya se use para los modelos de lenguaje. Entre ellos están Eleven v4 para narración y personajes, v4 Turbo para respuestas habladas en directo y Scribe v2 para transcribir con etiquetas de hablante.
LanzamientoDisponibleSin confirmar si afecta al plan gratuito
Qué significa para ti
Hay una rebaja con fecha de caducidad, así que conviene mirar el calendario: todos los modelos de ElevenLabs están a mitad del precio de catálogo de OpenRouter, para todos sus clientes, hasta el 19 de octubre a las ocho de la mañana del Pacífico. Después, el cobro va por caracteres y en dos tramos: v4, v3 y Multilingual v2 pagan la tarifa completa, mientras v4 Turbo, v3 Conversational, Flash y Turbo pagan la mitad. Los topes por petición cambian mucho entre modelos, de 5.000 caracteres en v3 a 40.000 en Flash v2.5.
Fuentes
Todo lo anterior sale de estas páginas. Si alguna contradice lo que publicamos, gana la fuente y lo corregimos.
Seguir leyendo
- Audio y música
Suno abre a todos la beta de Speech, que genera la voz y la música en una sola pista
Suno abrió el 1 de octubre la beta de Speech a toda su comunidad, después de un mes de pruebas con un grupo pequeño de usuarios. Sirve para crear audio hablado con música original de fondo: se escribe una idea, un poema o un texto propio y se describe la voz y el estilo musical que se quiere. Va integrado dentro de Suno, sin herramienta aparte. La compañía lo presenta como el primer modelo de audio que genera voz y música juntas en una sola pista, afirmación que es suya.
Preview o betaPreview
- Audio y música
Hugging Face abre una clasificación de voz sintética medida con métricas objetivas, no con votos
Hugging Face publicó el 30 de septiembre el Open TTS Leaderboard, una clasificación de modelos de voz sintética centrada en el código abierto y en varios idiomas. Cuenta que en su Hub hay ya más de 8.000 modelos de este tipo y sostiene que la evaluación no ha seguido ese ritmo: sigue fragmentada y sin estandarizar. En vez de recoger votos mide con métricas objetivas: inteligibilidad por tasa de error transcribiendo con Qwen3 ASR, velocidad en una GPU H200 y parecido de voz entre el audio generado y el de referencia.
LanzamientoDisponible
- Audio y música
Google lanza Gemini 3.8 Live, dos modelos de voz que cambian de idioma a mitad de conversación
Google DeepMind presentó el 15 de septiembre Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos de audio pensados para agentes de voz. El primero está orientado a escala y coste, con diálogo fluido y anclaje visual; el segundo, a tareas complejas con razonamiento de varios pasos. Detectan y cambian entre 97 idiomas en mitad de la conversación y ejecutan herramientas y llamadas a la API en segundo plano mientras siguen hablando. Ambos empezaron a desplegarse ese mismo día.
LanzamientoAcceso limitado