Modelos de audio

Texto a voz, voz a texto y voz en tiempo real con una sola API: las solicitudes, las voces, los formatos y los precios.

Modelos de audio disponibles

caracteres de entrada

15,00 US$ / 1M de caracteres

hora de audio

0,10 US$ / hora

minuto de audio

0,08 US$ / minuto

minuto de audio

0,08 US$ / minuto

tokens de entrada de texto

0,50 US$ / 1M de tokens

tokens de salida de audio

10,00 US$ / 1M de tokens

tokens de entrada de texto

1,00 US$ / 1M de tokens

tokens de salida de audio

20,00 US$ / 1M de tokens

tokens de entrada de texto

1,00 US$ / 1M de tokens

tokens de salida de audio

20,00 US$ / 1M de tokens

tokens de entrada de texto

1,00 US$ / 1M de tokens

tokens de salida de audio

20,00 US$ / 1M de tokens

tokens de entrada de texto

0,50 US$ / 1M de tokens

tokens de salida de audio

9,00 US$ / 1M de tokens

tokens de entrada de texto

0,50 US$ / 1M de tokens

tokens de salida de audio

6,00 US$ / 1M de tokens

tokens de entrada de audio

2,00 US$ / 1M de tokens

tokens de salida de texto

12,00 US$ / 1M de tokens

tokens de entrada de audio

0,30 US$ / 1M de tokens

tokens de entrada de audio en caché

0,03 US$ / 1M de tokens

tokens de salida de texto

2,50 US$ / 1M de tokens

tokens de entrada de audio

1,00 US$ / 1M de tokens

tokens de entrada de audio en caché

0,10 US$ / 1M de tokens

tokens de salida de texto

3,00 US$ / 1M de tokens

Texto a voz

curl -sS https://api.oneprovider.dev/v1/audio/speech \
-H "Authorization: Bearer sk-..." \
-H "Content-Type: application/json" \
-d '{
"model": "grok-tts",
"input": "Hello from OneProvider.",
"voice": "eve",
"response_format": "mp3"
}' \
--output hello.mp3

from openai import OpenAI
client = OpenAI(base_url="https://api.oneprovider.dev/v1", api_key="sk-...")
with client.audio.speech.with_streaming_response.create(
model="gemini-3.8-flash-tts",
voice="Kore",
input="Hello from OneProvider.",
response_format="wav",
) as response:
response.stream_to_file("hello.wav")

La respuesta es el archivo de audio en el formato elegido. Para textos largos, envía una solicitud por párrafo y une los archivos.

Voces de Grok

Voces de Gemini

Voz a texto

curl -sS https://api.oneprovider.dev/v1/audio/transcriptions \
-H "Authorization: Bearer sk-..." \
-F model=grok-stt \
-F file=@meeting.mp3
# {"text":"..."}

from openai import OpenAI
client = OpenAI(base_url="https://api.oneprovider.dev/v1", api_key="sk-...")
with open("meeting.mp3", "rb") as audio:
result = client.audio.transcriptions.create(model="gemini-3.5-transcribe", file=audio)
print(result.text)

La solicitud es multipart/form-data con los campos file (el archivo de audio) y model. La respuesta es un JSON con un campo text.

Voz en tiempo real

Abre un WebSocket a wss://api.oneprovider.dev/v1/realtime?model=grok-voice-3.0 con la misma clave en el encabezado Authorization. Los eventos siguen la API Realtime de OpenAI.

import asyncio, base64, json
import websockets
async def main():
url = "wss://api.oneprovider.dev/v1/realtime?model=grok-voice-3.0"
async with websockets.connect(url, additional_headers={"Authorization": "Bearer sk-..."}) as ws:
await ws.send(json.dumps({"type": "session.update", "session": {"instructions": "Answer briefly."}}))
await ws.send(json.dumps({"type": "conversation.item.create", "item": {
"type": "message", "role": "user",
"content": [{"type": "input_text", "text": "Say hello in one sentence."}],
}}))
await ws.send(json.dumps({"type": "response.create"}))
audio = bytearray()
async for message in ws:
event = json.loads(message)
if event["type"] == "response.output_audio.delta":
audio += base64.b64decode(event["delta"])
elif event["type"] == "response.output_audio_transcript.delta":
print(event["delta"], end="")
elif event["type"] == "response.done":
break
asyncio.run(main())

Precios

• Grok TTS se cobra por carácter del texto de entrada.
• Grok STT se cobra por hora de audio.
• Grok Voice se cobra por minuto de conversación, más una pequeña tarifa por cada mensaje de texto que envías.
• Gemini se cobra en tokens: texto o audio de entrada, y audio o texto de salida; un segundo de audio son 25 tokens.

Ejemplo: grok-tts, 1000 caracteres = 15,00 US$ / 1M × 1000 = 0,015 US$.

El precio exacto de cada modelo está en la tabla de arriba y en la página de precios .

Errores

Respuestas rápidas

¿Qué base URL uso?

Claude Code y los SDK de Anthropic usan https://api.oneprovider.dev. Los SDK de OpenAI y los clientes compatibles con OpenAI usan https://api.oneprovider.dev/v1. Una misma clave funciona con ambas; la lista de modelos está en la página de modelos y las tarifas, en la página de precios .

¿Cómo me autentico?

Envía la clave sk-… tal cual en x-api-key o en Authorization: Bearer: en uno de los dos, nunca en ambos. Guarda la clave en una variable de entorno, no en un archivo que se suba al repositorio. Más sobre la autenticación .

¿Dónde obtengo una clave?

Abre tu panel en el bot de Telegram @oneprovider_robot o en app.oneprovider.dev, recarga el saldo y pulsa “Emitir una clave”. Cada clave puede tener su propio límite de gasto. Panel y claves de API .

¿Qué significan 401, 404 y 429?

401: falta la clave, está mal escrita o se envió en un encabezado equivocado; pega la clave completa, sin comillas ni espacios. 404: casi siempre es una base URL incorrecta, por ejemplo con /v1 ausente o duplicado. 429 con “Insufficient balance”: se agotó el saldo del panel o el límite de gasto de la clave, así que recarga en lugar de reintentar; cualquier otro 429 es un límite de frecuencia, así que espera según Retry-After. Detalles: códigos de error y solución de problemas .

¿Por qué se cortan o se reinician los streams?

Las VPN y los proxies VLESS suelen almacenar SSE en búfer o romper la negociación de HTTP/2. OneProvider no tiene restricciones regionales y no almacena los streams en búfer: desactiva el proxy y reintenta.

¿Dónde pregunto si esto no basta?

Escribe a @Oneproviderhelpbot en Telegram o abre “Soporte” en el panel web, con el código de estado HTTP y el mensaje de error exacto. Cómo funciona el soporte .