Novedades para tu integración

403 ejemplos cubren ahora 117 de los 120 endpoints invocables. Cada uno es un trabajo ejecutado de verdad en esta plataforma —ni una imagen de concepto ni un fotograma tomado de una ficha de modelo— y cada uno lleva tres cosas:

• El archivo terminado, servido desde nuestro propio CDN y en su relación de aspecto original.
• El objeto de entrada completo que lo produjo: prompt, tamaño, duración, todos los parámetros, listo para copiar en su propia llamada.
• Una nota en los diez idiomas de la interfaz que explica por qué se eligió esa entrada: para qué formato se escribió la composición, qué parámetro está haciendo el trabajo y qué conviene cambiar primero.

En cada página de modelo aparecen como un muro de resultados que se recorre de un vistazo; por API vuelven bajo examples en GET /console/v1/catalog/models/{slug}.

Elegir modelo consistía hasta ahora en leer una tabla de parámetros e imaginarse el resultado. Ahora puede ver lo que un endpoint produce de verdad y partir de una entrada que se sabe que funciona en él.

Ver el catálogo

Seis endpoints se suman a la familia de intercambios, tres de ellos para vídeo. Lo que los distingue es cuánto se traslada realmente.

Imágenes

• spicyapi/face-swap-pro-v1/edit: solo se trasladan los rasgos faciales. El peinado, la línea del cabello, la silueta de la cabeza, la pose, la ropa, la luz y el fondo del destino se quedan como estaban. 0,16 $ por imagen.
• spicyapi/face-swap-v1-plus/edit: traslada la cara y, como parte de la transferencia, concilia el tono de piel entre ambas imágenes; el motor funde solo la cara o la cabeza entera, según cuál quede mejor. 0,16 $ por imagen.
• Los originales spicyapi/face-swap-v1/edit y spicyapi/head-swap-v1/edit siguen a 0,013 $ por imagen.

Vídeo

• spicyapi/face-swap-video-v1/video-edit: lleva los rasgos de una sola imagen de referencia a todos los fotogramas. El peinado, la silueta de la cabeza, el movimiento, el vestuario y la luz de quien aparece no se tocan. 0,0325 $ por segundo producido.
• spicyapi/head-swap-video-v1/video-edit: cambian el pelo, la forma de la cabeza y la identidad. 0,064 $ por segundo producido.
• spicyapi/character-swap-v1/video-edit: cambia la figura entera, ropa incluida. 0,064 $ por segundo producido.

Los dos endpoints de vídeo con varias personas son de dos pasos a propósito. Llame primero al video-analyze correspondiente, a 0,08 $ por solicitud: sigue a cada persona que distingue en el clip y devuelve un fotograma de vista previa por persona, en orden fijo —la primera imagen es la posición 0, la segunda la posición 1—. Después pasa las posiciones elegidas, con una a tres fotos de referencia para cada una. No queda nada que adivinar sobre en quién va a actuar el modelo.

Tres modelos de xAI, un endpoint chat cada uno, todos en formato OpenAI y con streaming.

• Un 40 % por debajo del precio publicado por xAI, en todos los tramos, contrastado con su página de precios el 19 de septiembre de 2026.
• Solo 4.3 acepta reasoning_effort: none. En 4.5 y 4.6 ese valor se rechaza aguas arriba; los otros cuatro niveles funcionan en los tres.
• 4.5 cachea más barato que 4.6 (0,18 $ frente a 0,30 $ por millón de tokens de entrada en caché) e iguala al resto en todo lo demás.
• Los prompts de 200.000 tokens o más se facturan a la tarifa de contexto largo, igual que hace xAI. Los tokens de razonamiento cuentan dentro de max_tokens: tenedlo en cuenta al presupuestar.
• Estas rutas admiten texto e imágenes. No admiten partes de tipo archivo ni PDF.

Cinco endpoints de imagen con un rango de precios de cuatro a uno, para elegir el nivel según el encargo en lugar de pagar la tarifa alta por una miniatura.

• bytedance/seedream-4.0/text-to-image y bytedance/seedream-4.0/edit: 0,03 $ por imagen, ambos Uncensored. El endpoint edit recibe una imagen existente y una instrucción escrita.
• krea/2-large/text-to-image: 0,06 $ por imagen, Filtered.
• krea/2-medium/text-to-image: 0,03 $ por imagen, Softened.
• krea/2-medium-turbo/text-to-image: 0,015 $ por imagen, Filtered. El endpoint de imagen más barato del catálogo después de la familia de intercambios.

Dos cosas conviene saber antes de elegir. Los niveles de Krea se diferencian en lo que aceptan, no solo en el precio: Filtered rechaza de plano las peticiones subidas de tono, mientras que Softened devuelve un resultado rebajado y lo cobra igualmente; en una ruta Softened, revisad la salida y no el código de estado. Y el tamaño de la imagen no es un ajuste que se aplique después: los ejemplos de cada página de modelo indican el tamaño exacto para el que se escribió la composición, porque un prompt pensado para un encuadre vertical no se reescala sin más a uno apaisado.

heartmula/transcribe/speech-to-text transcribe la letra cantada de un archivo de audio y la devuelve como texto en la tarea. Está afinado para voz sobre música, no para habla corriente.

• Una sola entrada: audio_url, que debe apuntar directamente a un archivo de audio. No hay nada más que enviar: ni pista de idioma, ni petición de marcas de tiempo, ni interruptor de separación de hablantes.
• El resultado es texto en la tarea. No se produce ningún recurso multimedia, así que no hay archivo que descargar y nada entra en la retención de medios.
• Sin tiempos por línea, sin valores de confianza, sin etiquetas de hablante.
• 0,05 $ por transcripción, con independencia de lo que dure el audio.

Es además el primer endpoint del catálogo cuya salida es texto y no un archivo. Si vuestra integración da por hecho que toda tarea completada lleva un recurso descargable, aquí es donde esa suposición saldrá a la luz: conviene revisar el manejo de resultados antes de conectarlo.