Daily AI Models

¡Los lanzamientos de IA de texto, imagen, vídeo, audio, ciencia y robótica al día!

Home Explore Compare Activity Calendar Media

Modelo de audio cerrado

Release	Tarea	Idiomas	Duración máxima de audio	Tiempo real	Clonación de voz
1 Gemini 3.8 Flash TTS de Google	Texto a voz	100	—	—	Yes
2 Scribe v1 de ElevenLabs	Voz a texto	99	—	—	—
3 Whisper (API) de OpenAI	Voz a texto	99	—	—	—
4 Gemini 3.8 Live de Google	Voz a voz	97	—	Yes	—
5 Scribe v3 Live de ElevenLabs New	Voz a texto	90	—	Yes	—
6 Scribe v3 de ElevenLabs New	Voz a texto	90	—	—	—
7 Eleven v4 Turbo de ElevenLabs	Texto a voz	90	—	—	—
8 Eleven v4 de ElevenLabs	Texto a voz	90	—	—	—
9 Dubbing v2 de ElevenLabs	Voz a voz	90	—	—	—
10 Scribe v2 de ElevenLabs	Voz a texto	90	—	—	—
11 Scribe v2 Realtime de ElevenLabs	Voz a texto	90	—	Yes	—
12 Gemini 3.5 Transcribe de Google	Voz a texto	85	—	—	—
13 Muse Voice Transcribe de Meta	Voz a texto	70	—	Yes	—
14 Gemini 3.5 Live Translate de Google	Voz a voz	70	—	Yes	—
15 GPT-Realtime-Translate de OpenAI	Voz a voz	70	—	Yes	—
16 Gemini 3.1 Flash TTS de Google	Texto a voz	70	—	—	—
17 Eleven v3 de ElevenLabs	Texto a voz	70	—	—	—
18 MAI-Transcribe-2 de Microsoft	Voz a texto	60	—	—	—
19 Voxtral Mini Transcribe 3 de Mistral	Voz a texto	50	—	—	—
20 Voxtral Small Transcribe 3 de Mistral	Voz a texto	50	—	—	—
21 MAI-Transcribe-1.5 de Microsoft	Voz a texto	43	—	—	—
22 MiniMax Speech 2.5 de MiniMax	Texto a voz	40	—	—	Yes
23 Voxtral TTS 3 de Mistral	Texto a voz	35	—	—	Yes
24 Voxtral Mini Transcribe Realtime 3 de Mistral	Voz a texto	35	—	Yes	—
25 Eleven Flash v2.5 de ElevenLabs	Texto a voz	32	—	—	—
26 Eleven Turbo v2.5 de ElevenLabs	Texto a voz	32	—	—	—
27 Eleven Multilingual v2 de ElevenLabs	Texto a voz	29	—	—	—
28 MAI-Transcribe-1 de Microsoft	Voz a texto	25	—	—	—
29 MAI-Voice-2.1 de Microsoft	Texto a voz	23	—	—	—
30 MAI-Voice-2 de Microsoft	Texto a voz	15	—	—	Yes
31 Voxtral Mini Transcribe 2 de Mistral	Voz a texto	13	—	—	—
32 Qwen3-ASR-Flash de Alibaba	Voz a texto	11	—	—	—
33 Nova 2.5 Sonic de Amazon	Voz a voz	7	—	Yes	—
34 Nova 2 Sonic de Amazon	Voz a voz	7	—	—	—
35 Eleven Turbo v2 de ElevenLabs	Texto a voz	1	—	—	—
36 SFX v3 de ElevenLabs	Efectos de sonido	—	0.5 min	—	—
37 Grok Voice 3.0 de xAI	Voz a voz	—	—	—	—
38 Suno Speech de Suno	Texto a voz	—	—	—	—
39 Grok Voice Transcribe 2.0 de xAI	Voz a texto	—	—	—	—
40 Music v2.5 de ElevenLabs	Música	—	—	—	—
41 Suno v6-mini de Suno	Música	—	—	—	—
42 Suno v6-wild de Suno	Música	—	—	—	—
43 Suno v6 de Suno	Música	—	—	—	—
44 Pika Speech de Pika	Texto a voz	—	—	—	Yes
45 Pika SFX de Pika	Efectos de sonido	—	0.33 min	—	—
46 Pika Music de Pika	Música	—	6 min	—	—
47 Pika Soundtrack de Pika	Efectos de sonido	—	—	—	—
48 Lyria 3.5 de Google	Música	—	—	—	—
49 Grok Voice Think Fast 2.0 de xAI	Voz a voz	—	—	—	—
50 GPT Transcribe de OpenAI	Voz a texto	—	—	—	—
51 Seed Audio 1.0 de ByteDance	Efectos de sonido	—	—	—	—
52 GPT-Live-1 de OpenAI	Voz a voz	—	—	—	—
53 GPT-Realtime-2.1 de OpenAI	Voz a voz	—	—	Yes	—
54 Music v2 de ElevenLabs	Música	—	—	—	—
55 Stable Audio 3.0 Large de Stability AI	Música	—	6 min	—	—
56 GPT-Realtime-Whisper de OpenAI	Voz a texto	—	—	Yes	—
57 GPT-Realtime-2 de OpenAI	Voz a voz	—	—	Yes	—
58 Grok Voice Think Fast 1.0 de xAI	Voz a voz	—	—	—	—
59 MiMo-V2.5-TTS-VoiceClone de Xiaomi	Texto a voz	—	—	—	Yes
60 MiMo-V2.5-TTS-VoiceDesign de Xiaomi	Texto a voz	—	—	—	—
61 MiMo-V2.5-TTS de Xiaomi	Texto a voz	—	—	—	—
62 Seeduplex de ByteDance	Voz a voz	—	—	—	—
63 Suno v5.5 de Suno	Música	—	—	—	—
64 Gemini 3.1 Flash Live de Google	Voz a voz	—	—	Yes	—
65 Lyria 3 Pro de Google	Música	—	3 min	—	—
66 Lyria 3 Clip de Google	Música	—	0.5 min	—	—
67 Grok Text to Speech de xAI	Texto a voz	—	—	—	—
68 Lyria 3 de Google	Música	—	0.5 min	—	—
69 MiniMax Speech 2.8 de MiniMax	Texto a voz	—	—	—	Yes
70 MiniMax Music 2.5 de MiniMax	Música	—	—	—	—
71 Grok Voice Agent de xAI	Voz a voz	—	—	—	—
72 MiniMax Music 2.0 de MiniMax	Música	—	—	—	—
73 MiniMax Speech 2.6 de MiniMax	Texto a voz	—	—	—	—
74 Firefly Speech Model de Adobe	Texto a voz	—	—	—	—
75 Firefly Audio Model de Adobe	Música	—	—	—	—
76 Suno v5 de Suno	Música	—	—	—	—
77 Qwen3-TTS-Flash de Alibaba	Texto a voz	—	—	—	—
78 MiniMax Music 1.5 de MiniMax	Música	—	4 min	—	—
79 Stable Audio 2.5 de Stability AI	Música	—	—	—	—
80 MAI-Voice-1 de Microsoft	Texto a voz	—	—	—	—
81 gpt-realtime de OpenAI	Voz a voz	—	—	—	—
82 Eleven Music de ElevenLabs	Música	—	—	—	—
83 Gemini 2.5 Pro TTS de Google	Texto a voz	—	—	—	—
84 Gemini 2.5 Flash TTS de Google	Texto a voz	—	—	—	—
85 Gemini 2.5 Flash Native Audio de Google	Voz a voz	—	—	Yes	—
86 Lyria RealTime de Google	Música	—	—	Yes	—
87 Suno v4.5 de Suno	Música	—	8 min	—	—
88 Lyria 2 de Google	Música	—	—	—	—
89 Speech-02 de MiniMax	Texto a voz	—	—	—	Yes
90 gpt-4o-mini-tts de OpenAI	Texto a voz	—	—	—	—
91 gpt-4o-transcribe de OpenAI	Voz a texto	—	—	—	—
92 Doubao Realtime Voice de ByteDance	Voz a voz	—	—	Yes	—
93 Suno v4 de Suno	Música	—	—	—	—
94 Music-01 de MiniMax	Música	—	1 min	—	—
95 Speech-01 de MiniMax	Texto a voz	—	—	—	—
96 Udio v1.5 de Udio	Música	—	—	—	—
97 Text to Sound Effects de ElevenLabs	Efectos de sonido	—	—	—	—
98 Stable Audio 2.0 de Stability AI	Música	—	3 min	—	—
99 Voice Engine de OpenAI	Texto a voz	—	—	—	Yes
100 Suno v3 de Suno	Música	—	2 min	—	—
101 Audiobox de Meta	Texto a voz	—	—	—	—
102 Voice Changer (Speech to Speech) de ElevenLabs	Voz a voz	—	—	—	—
103 Lyria de Google	Música	—	—	—	—
104 TTS (tts-1) de OpenAI	Texto a voz	—	—	—	—
105 Stable Audio de Stability AI	Música	—	1.5 min	—	—
106 MusicLM de Google	Música	—	—	—	—