Cómo calcular el coste de imágenes, vídeo y voz con IA: una calculadora con precios del día

Actualizado el 7 nov 2026

Los modelos de imagen, vídeo y voz rara vez se venden por token: se cobran por imagen, por segundo de vídeo, por millón de caracteres de voz o por minuto de audio. La calculadora de imágenes, vídeo y voz convierte su tarea en dinero en cada modelo que la vende por su unidad: la oferta más barata de cada modelo, en su moneda.

Cómo usarla

1. Elija la tarea: imágenes, vídeo, texto a voz o voz a texto.
2. Indique la cantidad: imágenes, segundos, caracteres o minutos.
3. Lea la tabla: una fila por modelo con el vendedor más barato, el precio por unidad y el coste de su tarea. "En revisión": el precio cambió hace poco o no coincide con la página del vendedor.

Ejemplos con precios de hoy

• 100 imágenes: desde 0,05 $ (FLUX.1 schnell en DeepInfra); un modelo habitual, unos 3 $.
• 60 segundos de vídeo: desde unos 0,15 $; habitual, unos 6 $.
• 100.000 caracteres de voz: desde unos 0,10 $ (Kokoro 82M); habitual, unos 2 $.
• 10 horas de transcripción: desde unos 0,12 $ (Whisper Large v3 Turbo y otros en DeepInfra); habitual, unos 1,30 $.

Antes de elegir la fila más barata

• Resolución y duración pueden cambiar el precio: condiciones en la ficha.
• Calidad: el modelo de imagen más barato es un modelo rápido de borrador.
• Modelos por token (GPT Image, Gemini): no están aquí; use la calculadora de coste.

Abrir la calculadora · Todas las herramientas