Novedades para tu integración

La síntesis de voz Gemini 2.5 Pro de Google ya está disponible en SpicyAPI como google/gemini-2.5-pro-tts/text-to-speech.

• Entrada: un guion de hasta 5,000 caracteres. Las indicaciones entre corchetes, como [sighs], se interpretan, no se leen en voz alta.
• Voz: una de 30 voces predefinidas, cada una con un carácter fijo, desde tonos brillantes y firmes hasta voces suaves y entrecortadas.
• Interpretación: un estilo opcional (whisper, empathetic, vocalsmile, newscaster, promohype o deadpan), uno de 8 acentos en inglés e instrucciones en texto libre sobre ritmo, tono y a quién se dirige, ninguna de las cuales se pronuncia.
• Salida: un archivo WAV, 24 kHz, 16 bits, mono.
• Precio: $0.00045 por segundo de audio devuelto (unos $0.027 por minuto), 10% por debajo del precio de lista de Google. Mientras la tarea se ejecuta se retiene un monto para el clip más largo posible y se libera la diferencia al medir el audio; las solicitudes fallidas no se cobran.

Hasta dónde llega. No agregamos ningún filtro de contenido propio. En nuestras pruebas leyó guiones NSFW por completo: diálogos directos, ficción narrada, indicaciones de voz entrecortada, sin saltarse palabras ni cortar el clip antes de tiempo. Este endpoint no admite diálogo de dos voces ni clonación de voz: una de las 30 voces predefinidas por solicitud.

Probar Gemini 2.5 Pro TTS →

El Opus más reciente de Anthropic, lanzado el 22 de septiembre, ya está en SpicyAPI como anthropic/claude-opus-5.5/chat, en un único endpoint compatible con OpenAI en /v1/chat/completions.

• Precio: $3.60 por millón de tokens de entrada, $0.18 en caché, $4.50 de escritura en caché y $18 de salida, un 10 % por debajo del precio de lista de Anthropic.
• Ventana de contexto: 1,000,000 tokens de entrada, hasta 128,000 de salida.
• El razonamiento siempre está activo: reasoning_effort acepta low, medium o high, con medium como valor predeterminado.
• Herramientas: hasta 128 definiciones; tool_choice acepta solo auto o none, porque el modelo rechaza una llamada de herramienta forzada.

Hasta dónde escribe. No agregamos ningún filtro de contenido propio. El día del lanzamiento le enviamos 24 pruebas de contenido para adultos en tres estilos de prompt distintos y no rechazó ninguna. Bajo un system prompt de ficción para adultos, escribió cada escena íntima por completo; cuando se le pidió directamente, por lo general escribió una versión más suave en lugar de rechazar, algo que Claude Opus 5 sí hacía.

Probar Claude Opus 5.5 →

La línea actual de video de Kling ya está en SpicyAPI, con cobro por segundo en dólares estadounidenses y sin ningún paquete que debas comprar por adelantado.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit): Kling 3.0 Omni. Incorpora hasta siete fotos de referencia en una sola toma, edita un clip que ya tengas (una fuente de 3 a 10 segundos) y activa cortes inteligentes multiplano y sonido nativo, hasta 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation): el modelo insignia, con primer y último fotograma, hasta 4K y sonido activable. Motion Control copia los movimientos, expresiones y gestos de un clip de 3 a 30 segundos sobre tu propio personaje.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video): todos los clips incluyen sonido nativo, en 720p o 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation): el primer modelo de Kling con audio nativo, 1080p en 5 o 10 segundos, con su propio Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video): opción económica en 1080p en 5 o 10 segundos, con fotograma de cierre, prompt negativo y guidance.
• Kling 2.1 (kling/2.1/image-to-video) y Kling 2.1 Master (kling/2.1-master/text-to-video, /image-to-video): la generación anterior, desde imagen a video en 720p hasta el 1080p de alta fidelidad de Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar): un retrato y una pista de audio bastan para que esa persona hable o cante mientras dure el audio, hasta unos cinco minutos.

Kling revisa el contenido por sí mismo: las tomas sugerentes a veces pasan, cualquier cosa más explícita se rechaza y una solicitud rechazada nunca se cobra. Para contenido para adultos, usa una de nuestras familias Spicy.

Kling O3, Kling 3.0, Kling 2.5 Turbo y Kling Avatar 2.0 tienen un precio por debajo del precio de lista por segundo del propio Kling.

El centro de reseñas ahora clasifica los modelos según qué tan bien se ve su resultado, no según cuántas especificaciones enumeran.

• La calidad del resultado representa el 85 % del Spicy Index. Combina tablas públicas de votación humana (arena.ai, Artificial Analysis, Design Arena) con nuestra propia prueba a ciegas: 112 prompts, el mismo prompt para cada modelo, evaluados por tres jueces de distintos creadores de modelos que nunca ven los nombres de los modelos. Especificaciones como resolución, duración y entradas aceptadas representan el 15 %, y la resolución tiene un tope de 1080p nativo.
• La prueba a ciegas se contrasta con los votos humanos. En una categoría donde nuestros jueces no coinciden lo suficiente con las tablas públicas de votación humana, la prueba a ciegas cuenta con un peso reducido, y un modelo que solo tiene evidencia de la prueba a ciegas se muestra pero no se clasifica. En esta ronda eso aplica al video, donde los jueces mayormente ven fotogramas muestreados y no perciben el trabajo de cámara. Cada informe de prueba indica qué regla se aplicó.
• El sonido también cuenta. En seis prompts de audio evaluamos la claridad del habla, la sincronización labial, la emoción y si cada sonido ocurre en el momento correcto.
• 69 reseñas nuevas en 10 idiomas: 32 modelos de imagen y video, 20 modelos de lenguaje y 17 herramientas, cada una con nuestros propios resultados de prueba y precios actuales.
• 106 prompts nuevos en la arena, con 1693 resultados para votar.

Las reglas completas están en la página de metodología.

El panel de Herramientas de Spicy Studio ahora muestra todas las herramientas, agrupadas en “Desde una imagen”, “Desde un video” y “Personas y rostros”, con el precio en cada herramienta que se ejecuta desde el panel. Elige una herramienta y luego uno de tus resultados o sube un archivo.

Nuevo en Studio:

• El cambio de rostro en fotos tiene tres niveles. Estándar es rápido y conserva el cabello y la forma de la cabeza de tu foto, Plus iguala el tono de piel y decide en cada foto si mover solo el rostro o la cabeza entera, y Pro mantiene el mayor detalle facial.
• El cambio de cabeza y de personaje en video va en dos pasos. Primero Studio encuentra a todas las personas del clip, tú eliges a quién reemplazar y solo entonces se hace el cambio. Si el primer paso no encuentra a nadie, se reembolsa y no se ejecuta nada más.

La primera vez que usas una herramienta que trabaja con el rostro de una persona real, incluidos el avatar parlante y la sincronía labial, Studio te pide aceptar tres reglas: usar solo tu propio rostro o el de personas que dijeron que sí, nunca usar la foto de alguien menor de 18 años y nunca usarla para hacerte pasar por otra persona ni para engañar a nadie. Tu respuesta se recuerda en ese dispositivo.

Abre un lienzo desde Lienzo y ahora ocupa toda la pantalla, con una cuadrícula de puntos, tus tomas como nodos y los controles en los bordes.

• Agrega un nodo donde quieras. Haz doble clic o clic derecho en un espacio vacío, presiona + en la barra inferior o la tecla N. Agrega una imagen, un video, una edición, una nota o una escena de cuatro tomas, o trae un archivo subido, un resultado de Mis creaciones, una plantilla, un estilo o un efecto.
• Continúa desde cualquier resultado. Las imágenes y los clips tienen un + a la derecha que abre “Generar desde este nodo”: un video a partir de una imagen, una edición, otro estilo, el último fotograma de un clip como imagen nueva o cualquier herramienta que funcione sobre ellos. Los nodos de prompt tienen un + a la izquierda que agrega una entrada: un archivo subido, algo de Mis creaciones u otro nodo del lienzo.
• Planifica antes de ejecutar. Conecta un nodo de imagen a uno de video y el video arranca desde esa imagen en cuanto esté lista. El cuadro de prompt muestra el precio de este paso y el de ambos juntos.
• Escribe el prompt ahí mismo. Selecciona un nodo de prompt y su cuadro para escribir se abre justo al lado, con el modelo, las referencias, el estilo, los ajustes y el precio en el botón de envío. Las imágenes conectadas están numeradas, así que puedes escribir @ para señalar una, por ejemplo @image2. En los modelos de video que aceptan un fotograma final, elige si dos imágenes son el fotograma inicial y final o referencias.
• Una sola barra de herramientas. Seleccionar, mano, biblioteca, Mis creaciones, herramientas, deshacer y rehacer están en la barra inferior; el zoom, ajustar a la pantalla y el minimapa están en la esquina. Las líneas entre nodos y la vista de storyboard se activan arriba.

Nada se ejecuta hasta que presionas generar, y cada ejecución muestra su precio antes.

El cuadro de prompt de Spicy Studio ya no reduce cada modelo a cuatro formas y tres duraciones. Muestra lo que el modelo que elegiste acepta de verdad.

• Proporciones en números. Aparecen todas las proporciones que admite el modelo, de 1:1 y 4:5 a 9:16 y 21:9, cada una con un pequeño marco a escala. Si el modelo puede elegir la forma por sí mismo o seguir tu foto, Auto aparece primero.
• Todas las duraciones compatibles. Hasta siete duraciones se muestran como botones; los rangos más amplios usan un control deslizante. Si el modelo ofrece Auto, se muestra el máximo que puede durar el clip.
• Cambia de modelo sin empezar de nuevo. Si el nuevo modelo no ofrece tu proporción o tu duración, Studio pasa a la más cercana y te dice qué cambió.
• Plantillas de video que puedes previsualizar. Las 20 plantillas de video tienen ahora un clip de muestra real que se reproduce al pasar el cursor sobre la tarjeta. Cada uno se hizo con MiniMax H3 a partir del prompt de la plantilla, y MiniMax H3 es el modelo con el que se abre. La biblioteca de plantillas también alterna entre Imágenes y Videos.
• Las tarjetas de estilo conservan su sujeto al pasar el cursor, así comparas estilos y no personas.

Tres familias de imagen nuevas ejecutan modelos abiertos con hasta tres archivos LoRA tuyos por solicitud, cada uno con su propia fuerza. Cada imagen tiene un precio fijo, sea cual sea la relación de aspecto.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): Z-Image Turbo de Alibaba, de 8 pasos, con pocos segundos por imagen y nueve relaciones de aspecto a alrededor de un megapíxel, además de imagen a imagen con control de fuerza.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): FLUX.1 [dev] de Black Forest Labs, la base con más de mil LoRA de la comunidad en Hugging Face, con control de guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512 con hasta 1536 píxeles en el lado largo, y edición con Qwen-Image-Edit-2511 a partir de entre una y tres fuentes, con LoRA de edición como los de nuevos ángulos de cámara.

Un LoRA es un enlace directo a un archivo .safetensors: sin subida, sin lista de permitidos, sin revisión. Los cinco endpoints son sin censura, y cargar LoRA no tiene costo adicional.

La sincronía labial (spicyapi/lip-sync-v1/lip-sync) ahora cuenta los segundos del audio que envías, no los del video que devuelve. El video suele durar alrededor de medio segundo más que el audio, y ese tiempo extra ya no se cobra.

La tarifa no cambia: $0.012 por segundo, redondeado hacia arriba al segundo entero, con un mínimo de 3 segundos. Un clip de voz de 4.5 segundos ahora se cobra como 5 segundos, $0.06; contando el video devuelto, podía llegar a 6 segundos, $0.072. Tus solicitudes no cambian y en Spicy Studio se aplica la misma regla.

Spicy Studio abrió el 26 de septiembre en spicyapi.ai/create. Los mismos modelos y los mismos precios por ejecución que la API, en un espacio hecho para crear, no para integrar.

• Una línea y luego Generar. Elige Imagen o Video, escribe lo que quieres ver o pulsa Tab para usar el ejemplo. Cada modo abre con un modelo adecuado que puedes cambiar cuando quieras, y tu prompt se va contigo. El precio del botón es lo máximo que puede costar la ejecución, y no se cobra nada hasta que lo pulsas.
• 97 looks, 4 acabados y 12 efectos. Un look envuelve tu sujeto con redacción probada para la luz, el color y la técnica — cine, editorial, anime, pintura, 3D y un conjunto After Dark — y te muestra el prompt completo antes de ejecutar. No suma nada al precio. Un efecto convierte una foto en una toma terminada: acercamientos, órbitas, subidas en dron, lluvia, nieve, un acabado de 16 mm.
• 150 plantillas en 13 grupos. Cada una es un brief terminado con el set, la luz y el lente ya escritos; tú solo dices quién aparece en el cuadro.
• Lienzo para piezas de más de una toma. Ramifica cualquier cuadro en un video, una edición o variaciones, convierte el último cuadro de un clip en el comienzo del siguiente, agrupa las tomas en escenas y reprodúcelas como storyboard. Los proyectos de ejemplo muestran cada prompt y se copian completos.
• Herramientas en cada resultado: las ocho herramientas nuevas, de quitar fondos a la sincronización labial, están junto a “Dale movimiento” y “Variaciones”.
• Mejorar reescribe una idea de una línea como un prompt detallado para el modelo elegido antes de ejecutarlo; se cobra aparte, por el pequeño monto que muestra el botón.
• Privado desde el principio. Nada se publica en un feed ni en una galería. Los resultados se quedan 14 días en Mis creaciones, los archivos subidos se borran al cabo de un día y la opción Difuminados hasta tocarlos oculta los resultados hasta que los tocas.

Sin cuenta puedes explorar, cargar ejemplos y ver los precios exactos; para generar necesitas una, y tu borrador se guarda mientras te registras. Cada ejecución en Studio también es una llamada a la API con los mismos parámetros, así que un look que definas aquí pasa directo a tu código.

El encabezado del sitio cambió con él: Modelos · Estudio · Rankings · Desarrolladores · Precios. Las selecciones de modelos que estaban en Explorar ahora están en Colecciones, dentro del menú Modelos.

El 26 de septiembre salieron ocho endpoints de una sola tarea. Cada uno hace un trabajo sobre una imagen o un clip que ya tienes, a precio fijo. Llámalos como cualquier otro modelo o úsalos en Spicy Studio, donde aparecen en Herramientas y sobre tus resultados.

Qué define el cobro:

• El escalado de video se cobra por la duración del clip original, redondeada hacia arriba al segundo entero, con un mínimo de 3 segundos.
• El avatar que habla y la sincronización labial se cobran por el video resultante, que dura lo mismo que tu audio (mínimo 3 segundos). La sincronización labial repite en bucle un clip más corto que el audio.
• Los efectos de sonido se cobran por el duration_seconds que pides (1 a 30, 8 por defecto), no por tu clip, así que ajústalo a la duración del clip. Genera efectos y ambiente, no diálogos ni música.
• Las entradas de audio y video deben ser enlaces directos al archivo, y subirlo es la vía más confiable. Las entradas fuera de la duración permitida se rechazan antes de cualquier cobro.

xAI lanzó Grok 4.7 el 21 de septiembre, y xai/grok-4.7/chat se puede llamar aquí desde el 22 de septiembre, con el mismo formato de chat de OpenAI y el mismo streaming SSE que los demás endpoints de Grok.

• Un 40 % por debajo del precio publicado por xAI en el tramo estándar ($2 / $0.50 / $6), y un 60 % por debajo de su tramo de contexto largo ($4 / $1 / $12).
• Sin censura en esta ruta. El 22 de septiembre, nueve pruebas de escritura creativa del nivel 4 de nuestra escala de contenido, que tiene cinco, en tres estilos de prompt, volvieron como nueve escenas completas, sin ningún rechazo; el 24 de septiembre también pasó todos los demás niveles que probamos, incluido el más alto. No añadimos ningún filtro propio.
• El rol system se respeta, lo comprobamos a propósito: un marco fijado al inicio de la conversación se mantiene hasta el final.
• El razonamiento se cobra como salida. El valor por defecto high cuesta más de lo que parece; para diálogo, low o medium se lee mejor y cuesta menos.