AVídeo 3.0 multimodal con audio español, storyboard, 4K, API y equipos
Kling VIDEO 3.0 y Omni generan y editan vídeo desde texto, imagen, vídeo, audio y referencias. Ofrecen audio nativo en español, hasta seis planos y 15 segundos, 4K, API y Team Plan. Su calidad independiente es alta y Standard parte de 6,99 dólares promocionales, pero los créditos, las colas, la privacidad y los clips cortos exigen cautela.
Ideal paraCreadores, publicidad, e-commerce y equipos que producen planos cortos con referencias, audio y control multi-shot
AAsistente de investigación de Google anclado a fuentes, con citas y artefactos multimedia
NotebookLM (ahora también Gemini Notebook) analiza fuentes propias con citas y genera investigación, audio, vídeo, informes, mapas, cuestionarios, tablas, infografías y presentaciones. Su Free es generoso y Enterprise añade controles Cloud; aun así, las fuentes son copias y el modelo puede omitir o errar.
Ideal paraEstudiantes, docentes, investigadores, analistas y equipos que sintetizan y comunican un corpus definido con trazabilidad
AModelos, bots y apps de IA en una sola plataforma
Poe reúne modelos líderes de texto, imagen, vídeo y audio con un saldo común de puntos, comparación, grupos, API y una plataforma completa para crear y monetizar bots/apps. Es muy flexible y fácil; su coste real, calidad, privacidad y límites cambian según modelo y desarrollador.
Ideal paraProbar, comparar y programar muchos modelos de texto y medios con una sola cuenta y presupuesto flexible
ASuite profesional multimodelo para generar, editar y automatizar vídeo
Runway combina Gen-4.5, Aleph 2.0, Act-Two, Characters, imagen, audio y modelos de terceros en una suite y API. Destaca por control y flujo profesional, pero Gen-4.5 se limita a 10 segundos y 720p, Standard solo cubre unos 52 segundos al mes y las cuentas normales permiten entrenamiento con inputs y outputs.
Ideal paraCineastas, agencias y equipos que necesitan generar, editar, organizar y automatizar medios en una misma plataforma
AVoz realtime TTS/STT y agentes con despliegue privado
Cartesia ofrece Sonic 3.5 TTS, Ink STT y Line voice agents mediante API/WebSocket, 42 idiomas y baja latencia. Tiene Free/Pro económicos, organizaciones ilimitadas y Enterprise cloud/on-prem. Los términos estándar permiten entrenamiento con inputs/outputs, por lo que voz sensible exige DPA y despliegue contractual.
Ideal paraDesarrolladores y empresas que construyan agentes de voz/TTS/STT de baja latencia, incluida infraestructura privada
AStable Audio 3: música y sonido hasta seis minutos con pesos abiertos
Stable Audio 3 genera música completa, muestras y efectos con control temporal, audio-to-audio y datos licenciados. Small/Medium tienen pesos abiertos; Large se ofrece por API/enterprise.
Ideal paraFondos, diseño sonoro y productores
AVoz multilingüe en tiempo real con clonación y API
PlayHT genera voz, clona, dobla y transcribe con REST y SDKs. Play 3.0 Mini soporta 36 idiomas, incluido español, y baja latencia. Free permite probar; Studio añade API y equipos, Scale DPA/SLA/SSO. La calidad es alta, pero soporte/billing y privacidad estándar requieren cautela.
Ideal paraNarración, doblaje y aplicaciones de voz multilingües o conversacionales mediante API
ALALAL.AI: separación de stems, voz y ruido con IA
Herramienta web, desktop, VST y API para separar stems, eliminar voz/ruido y limpiar audio.
Ideal paraMúsicos, podcast y postproducción ligera
BVídeo generativo Google con audio y API Vertex AI
Google Veo genera vídeo desde texto/imagen mediante Vertex AI y otras superficies Google. Destaca en calidad, audio y controles, con API/cloud empresarial. En Vertex se cobra por segundo y las cuotas/funciones varían por modelo y fase; no debe confundirse con planes de Gemini o Flow.
Ideal paraEquipos Google Cloud que necesitan vídeo premium con API, audio y controles de plataforma
BLimpieza de voz y edición de pódcast desde el navegador
Adobe Podcast limpia voz con Enhance Speech, graba invitados a distancia y permite transcribir y editar por texto en el navegador. Su plan gratuito es muy útil y Premium amplía vídeo, lotes y límites, pero no ofrece API pública y el material extremo puede producir artefactos o palabras plausibles incorrectas.
Ideal paraPodcasters, vídeo, formación y creadores que necesiten limpiar diálogo y editar rápidamente por transcripción
BEstudio IA de audio y vídeo con voces, guion y API
Wondercraft convierte ideas y guiones en pódcast, anuncios, formación y vídeo con voces/clones, música, SFX, imágenes, avatares y edición asistida por Wonda. Tiene español y API en planes de pago; sus créditos variables y la inconsistencia de algunos modelos exigen controlar costes y revisar cada exportación.
Ideal paraMarketing, formación, comunicación y creadores que produzcan audio y vídeo multilingüe completo sin estudio tradicional
BAvatares y vídeo multimodelo con API
Hedra crea personajes, avatares, imagen, vídeo y audio con modelos propios y externos. Tiene API y Teams/Enterprise, pero usa créditos variables y la API requiere plan y saldo aparte. Sus términos permiten uso amplio del contenido y entrenamiento, por lo que datos sensibles necesitan contrato privado específico.
Ideal paraCreadores y equipos que necesiten avatares/personajes y acceso multimodelo mediante Studio/API
BSpeechify: lectura, voz IA y API TTS multilingüe
Aplicación cloud para escuchar texto/documentos y generar voz, con API, Studio y asistentes de productividad.
Ideal paraLectura de PDFs, accesibilidad y TTS integrado en aplicaciones
BMusicFX: generación musical experimental de Google Labs
Herramienta gratuita de Google Labs para crear música instrumental desde texto y experimentar con MusicFX DJ.
Ideal paraBocetos y música de fondo experimental
CDesigns.ai: creación multimodal con marca y espacios de equipo
Suite cloud para crear imágenes, vídeo, audio, logos, texto y presentaciones con activos compartidos.
Ideal paraEquipos de marketing que producen múltiples piezas con consistencia de marca
