Endpoint propietarioNuevo
Codificación multimodal rápida y modelo de agente con contexto 1M, profundidad de razonamiento ajustable, entrada de imágenes y vídeos, llamada a funciones y búsqueda web integrada.
Explora el catálogo completo de modelos en texto, imagen, audio, vídeo, 3D y más.
Catálogo de modelos
Navega por texto, imagen, vídeo, audio, 3D, búsqueda y endpoints de agentes con precios pay-as-you-go. El catálogo interactivo carga la disponibilidad actual de EmpirioLabs, y estos documentos modelo son rastreables sin JavaScript cliente.
xAI image-to-video con movimiento guiado por prompt, audio nativo, salida 480p o 720p y clips de hasta 15 segundos.
Generación de vídeo multimodal para clips cinematográficos a partir de entradas, texto, imagen, audio o vídeo.
Generación y edición unificada de imágenes para imágenes creativas, de marca y de producto en alta resolución.
Modelo de lenguaje visual rentable para texto, imagen, vídeo, programación, herramientas y flujos de trabajo contextuales de 1M.
Modelo insignia de contexto largo para programación, productividad, agentes de larga duración, pensamiento profundo y uso de herramientas.
Razonamiento multimodal para codificación, agentes, análisis de contexto largo y entrada de texto, imagen y vídeo.
Razonamiento multimodal Moonshot con fuerte soporte de codificación, contexto 256K y entrada de imagen y vídeo.
Razonamiento de contexto largo con llamada a herramientas, salida estructurada, soporte de caché y salida de 128K.
Generación de imagen a 3D que convierte una imagen de referencia en un recurso GLB texturizado.
Codificación multimodal rápida y modelo de agente con contexto 1M, profundidad de razonamiento ajustable, entrada de imágenes y vídeos, llamada a funciones y búsqueda web integrada.
Alibaba CloudGeneración de audio a partir de una descripción escrita, con narración, diálogos en hasta tres voces clonadas, efectos de sonido, ambiente y música en un solo archivo.
DeepSeekVersión 1017 post-entrenada con resultados de codificación y agentes más fuertes, finalización de tareas más rápida, salidas más cortas, entrada de imagen y una ventana de contexto de 1M.
Alibaba CloudGeneración y edición de imágenes con variantes Pro y Turbo, hasta diez imágenes de referencia, salida PNG transparente y tamaños personalizados de hasta 2560x2560.
Alibaba CloudSíntesis de voz en tiempo real con 19 voces, dirección de entrega en lenguaje sencillo, etiquetas de emoción y sonido en línea, y audio transmitido por SSE o WebSocket.
EmpirioLabsResponde yes/no, elección, puntuación y preguntas sobre texto, JSON, imágenes, vídeo y audio en hasta 1 millón de tokens, y puede detectar cuando la entrada no tiene respuesta.
Z.aiCodificación y modelo agente con un contexto de token de 1M, salida de 128K, razonamiento siempre activo a bajo, alto o máximo esfuerzo, búsqueda web nativa y llamada a herramientas.
Z.aiModelo flash multimodal nativo con un contexto de token de 1M, entrada de imagen y vídeo, razonamiento siempre activo, búsqueda web nativa y llamada a herramientas.
Modelo de razonamiento y codigo con contexto de 1M de tokens, salida de 128K, esfuerzo de razonamiento ajustable, busqueda web nativa y llamadas a herramientas.
Moonshot AIKimi K3 es el modelo de razonamiento insignia de Moonshot con un contexto de token de 1M, pensamiento siempre activo, búsqueda web nativa y entradas de texto, imagen y vídeo.
Meta AIEl modelo de razonamiento fronterizo actualizado de Meta con un contexto de 1.048.576 tokens, conocimiento de imagen, vídeo, audio y PDF, búsqueda web y uso de herramientas.
Kimi K2.7 Code es el modelo de codigo agentico de un billon de parametros de Moonshot, con contexto de 256K, razonamiento siempre activo y entradas de texto, imagen y video.
Modelo de generación y edición de imágenes 4B FLUX.2 Klein con licencia apache con soporte de text-to-image, edición de imágenes de referencia y flujo de trabajo creativo.
TencentModelo de text-to-image de código abierto sobre una arquitectura multimodal Mixture-of-Experts con detalle fotorrealista y un renderizado de texto multilingüe potente.
DeepSeekMarco autorregresivo en el modelo Janus Pro 7B que unifica la comprensión multimodal y la generación de imágenes en una sola arquitectura.
Alibaba CloudModelo unificado de generación y edición de imágenes con un renderizado de texto complejo de Chinese/English líder en su clase, texturas realistas y fusión multi-imagen.
Alibaba CloudGeneración y edición de imágenes Qwen con variantes Base y Pro, tipografía multilingüe, referencias multiimagen y salida controlable en 1K o 2K.
ByteDanceModelo de imagen multimodal unificado que razona mediante prompts antes de renderizar, produciendo editajes y visuales de marca de alta resolución y consistentes.
Kling AITexto a video e imagen a video con audio nativo sincronizado, en 720p o 1080p durante 3 a 15 segundos, con control de relacion de aspecto y prompt.
Alibaba CloudModelo de vídeo que ofrece modos Texto a Vídeo, Imagen a Vídeo, Referencia a Vídeo y Edición de Vídeo con salida de alta fidelidad y fluidez para el movimiento.
Modelo de vídeo de 8.3B parámetros con salida nativa 720p (escalable a 1080p), coherencia de movimiento fuerte y comprensión bilingüe de prompts de hasta 10s.
Kling AIModelo de vídeo en modos Standard o Pro con Texto a Vídeo, Imagen a Vídeo, Referencia a Vídeo, edición, sonido nativo y transiciones multiescena.
Kling AIKling 3.0 modelo que transfiere movimiento de un vídeo de referencia a un personaje de una imagen de referencia, con niveles estándar 720p y Pro 1080p.
OpenMOSSModelo base MoE 32B de código abierto que genera vídeo y audio sincronizados en un solo paso de inferencia con sincronización labial precisa de doble torre.
Modelo de generación musical de código abierto para audio guiado por text-to-song y letras, con inferencia XL Turbo rápida de 8 pasos para iteraciones controlables de canciones.
Modelo de voz en tiempo real que sigue la dirección de entrega en inglés sencillo, mantiene una identidad vocal en 200+ idiomas y transmite con marcas de tiempo de las palabras.
Síntesis de voz TTFB por debajo de 130 ms con 271+ voces en 15 idiomas, prosodia expresiva y streaming SSE en tiempo real para agentes de voz de baja latencia.
Síntesis de voz de calidad de emisión con prosodia expresiva rica, 271+ voces en 15 idiomas y transmisión SSE en tiempo real con marcas de tiempo por palabra.
Genera canciones estéreo completas a partir de letras y un indicador de estilo, con controles de duración, semilla y formato de hasta 5 minutos.
Síntesis de voz en tiempo real con latencia, que mantiene una identidad de voz en 200+ idiomas, ajustada para cargas de trabajo de streaming de alto volumen.
DeepgramTranscripción de voz a texto usando el modelo Nova-3 con soporte multilingüe y ajustes avanzados personalizables para cargas de producción.
OpenAIWhisper-1 speech-to-text transcripción entrenada con audio supervisado multilingüe, con un límite de subida de 25 MB por archivo.
Transcripción controlada Whisper Large v3 Turbo con ASR multilingüe, traducción, VAD, marcas de tiempo, subtítulos, palabras calientes y controles de decodificador.
StepFunModelo de reconocimiento de voz en streaming StepFun para transcripción de audio en chino e inglés.
StepFunTranscripción contextual para nombres propios, términos técnicos, dialectos y audio difícil que incluye susurros, habla rápida y canto.
StepFunTranscripción en directo por un socket, devolviendo resultados parciales mientras el hablante habla, con la detección de actividad vocal marcando cada frase.
ExaRespuesta rápida al estilo LLM a una pregunta en lenguaje natural, basada en resultados de búsqueda web exa frescos con citas en línea y enlaces a fuentes.
ExaMotor de búsqueda web para encontrar páginas, recuperar páginas similares, rastrear y buscar código dedicado en la web abierta para agentes de IA.
LinkupBúsqueda iterativa de IA que sigue consultando cuando los resultados iniciales son insuficientes, devolviendo respuestas más completas que el modo Estándar.
LinkupBúsqueda web impulsada por IA con resúmenes detallados y respuestas, más rápida que la búsqueda profunda.
PerplexityAgente de investigación de nivel institucional que realiza muchas rondas de búsqueda web y lectura de páginas, con máxima profundidad y amplia cobertura de fuentes.
PerplexityModelo de investigación para la recuperación, síntesis y razonamiento en varios pasos, buscando, leyendo y evaluando fuentes de forma autónoma en temas complejos.
TRELLIS.2 modelo de imagen a 3D que convierte una imagen de referencia en un recurso GLB texturizado con controles de resolución, semilla, malla, textura y exportación.
DeemosMotor Rodin Gen-2 que convierte una indicación de texto o hasta cinco imágenes de referencia en activos 3D de producción con materiales PBR y mallas quad o en bruto.
Hitem3DImagen a 3D enfocada en producción con texturas conscientes de la estructura, niveles de precisión 1536 y 1536 Pro, mallas de hasta dos millones de fuentes y cinco formatos de exportación.
Alibaba CloudIncrustación de texto multilingüe con dimensiones de salida seleccionables (64–2048). Hasta 8.192 tokens por entrada.
Alibaba CloudEmbedding multimodal optimizado para velocidad, misma forma que Vision-Plus, tokens de image/video 3× más baratos.
Alibaba CloudIncrustación multimodal que produce vectores independientes para entradas, texto, imagen y vídeo.
ByteDanceIncrustación multimodal que fusiona texto, imágenes y vídeo en un único vector de dimensión 1024 o 2048 para búsqueda y recuperación intermodal.
Alibaba CloudReclasificador semántico de documentos. Ordena hasta 500 candidatos por consulta por relevancia, soporta 100+ lenguajes y acepta instrucciones de ordenación personalizadas.
GPTZeroDetector de aprendizaje profundo que señala partes de texto probablemente generadas por IA frente a humanas, clasificando el contenido como completamente humano, IA o mixto.
ManusAgente de IA autónomo que convierte un prompt de alto nivel en subtareas, llama a herramientas y APIs, y entrega resultados end-to-end sin orquestación manual.
LightOnOCR de documentos que lea PDFs e imágenes en Markdown estructurado, página por página, con tablas, matemáticas, gráficos, regiones de imagen y maquetación.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.
