Modelos de IA en 7ART

75 Motores para vídeo, imagen, música, voz, avatares y 3D: todo en un único flujo de trabajo y con un único saldo de créditos. Incorporamos nuevos modelos de primer nivel tan pronto como conseguimos acceso a la API.

Todas las duraciones, niveles de calidad y precios que se indican a continuación corresponden a lo que ofrece y cobra 7ART por ese modelo; los datos proceden de las propias tablas del estudio, no de la ficha técnica de un proveedor.

En el catálogo de hoy

22 vídeo · 25 imagen · 6 música · 11 voz y audio · 5 avatar y sincronización labial · 6 3d

01 / Vídeo

Modelos de vídeo

Discrepan en casi todo —la duración del clip, el límite máximo de resolución, si se utilizará o no un vídeo de referencia—, por lo que lo que distingue a cada tarjeta es la diferencia, no la propuesta.

Abrir el estudio de vídeo

Vídeo7ART preajuste

7ART

7Video

7ART

Duración: 5–15 s
Calidad: 768P / 2K
Datos de entrada: Fotograma inicial y final, o referencias de imagen, vídeo o audio

Créditos

Un 10 % por encima de la tarifa base del motor

Modelo	Para qué sirve	Especificaciones	Créditos
7Video7ART	7ART	Duración: 5–15 s Calidad: 768P / 2K Datos de entrada: Fotograma inicial y final, o referencias de imagen, vídeo o audio	Un 10 % por encima de la tarifa base del motor
Gemini Omni FlashGoogle	Modelo Google multimodal que se basa íntegramente en su propio panel de referencia: imágenes, un videoclip, personajes y voces guardados, sin tarjetas de fotogramas.Aparece en el selector de 7ART como «Gemini Omni Video»; ese nombre procede del punto final de nuestro proveedor, no de Google.	Duración: 4, 6, 8 o 10 s Niveles de salida: 720p / 1080p / 4K Aspecto: 16:9 o 9:16 Referencias: 7 imágenes · 1 clip de vídeo · 3 personajes · 3 voces	90 / 120 / 150 / 180 para 4 / 6 / 8 / 10 s a 720p o 1080p · 210 / 240 / 270 / 300 a 4K · 240 fijos (720p/1080p) o 360 (4K) con un vídeo de referencia
VEO 3.1 QualityGoogle	Google	Duración: 4, 6 u 8 s Calidad: Vista previa / 1080p / 4K Datos de entrada: Fotograma inicial + fotograma final	Tarifa plana por generación: 250 vistas previas · 255 a 1080p · 370 a 4K
VEO 3.1 FastGoogle	VEO más rápido, y el único nivel que admite fotos de referencia.	Duración: 4, 6 u 8 s Calidad: Vista previa / 1080p / 4K Datos de entrada: Fotogramas inicial y final, o hasta tres fotografías de referencia	Tarifa plana por generación: 60 vistas previas · 65 a 1080p · 180 a 4K
VEO 3.1 LiteGoogle	VEO, una opción asequible, ideal para experimentar.	Duración: 4, 6 u 8 s Calidad: Vista previa / 1080p / 4K Datos de entrada: Fotograma inicial + fotograma final	Tarifa plana por generación: 30 vistas previas · 35 a 1080p · 150 a 4K
Seedance 2.5ByteDance	Los clips más largos del estudio, audio generado junto con el vídeo y, con diferencia, el conjunto de referencias más amplio: hasta 1080p (sin nivel 4K).	Duración: 4–30 s Calidad: 480p / 720p / 1080p Referencias: 30 imágenes · 10 vídeos · 10 archivos de audio Aspecto: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 o automático	37/seg. a 480p · 79/seg. a 720p · 208/seg. a 1080p
Seedance 2.0ByteDance	Personas reales con una gran coherencia en su identidad y secuencias cinematográficas de varias tomas; el único nivel de Seedance que ofrece renderización en 4K.	Duración: 4–15 s Calidad: 480p / 720p / 1080p / 4K Referencias: 9 imágenes · 3 vídeos · 3 archivos de audio	19 / 41 / 102 / 311 por segundo a 480p / 720p / 1080p / 4K · con una referencia de vídeo: 11,5 / 25 / 62 por segundo a lo largo de los segundos de entrada y salida (el 4K no tiene tasa con vídeo)
Seedance 2.0 FastByteDance	Seedance 2.0, una versión más ligera para borradores y vistas previas.	Duración: 4–15 s Calidad: 480p / 720p Referencias: 9 imágenes · 3 vídeos · 3 archivos de audio	15,5/seg. a 480p · 33/seg. a 720p · con una referencia de vídeo de 9/20 por segundo sobre los segundos de entrada + salida
Seedance 2.0 MiniByteDance	El nivel más económico de Seedance.	Duración: 4–15 s Calidad: 480p / 720p Referencias: 9 imágenes · 3 vídeos · 3 archivos de audio	9,5/seg. a 480p · 20,5/seg. a 720p · con una referencia de vídeo: 6 / 12,5 por segundo sobre los segundos de entrada + salida
Kling 3.0Kling AI	El plan Kling, el más completo: personajes, sonido sincronizado, múltiples tomas y una resolución de 4K.	Duración: 3–15 s Calidad: 720p / 1080p / 4K Datos de entrada: Fotograma inicial; fotograma final fuera de la secuencia de múltiples tomas Audio: Opcional: aumenta la velocidad por segundo	14 por segundo a 720p · 18 por segundo a 1080p · 20/27 por segundo con audio · 67 por segundo a 4K
Kling 3.0 TurboKling AI	Kling 3.0 más rápido, así como conversión de texto e imagen a vídeo.	Duración: 3–15 s Calidad: 720p / 1080p Datos de entrada: Fotograma inicial	18/seg. a 720p · 22,5/seg. a 1080p
Kling 2.6Kling AI	Fiable y con gran capacidad para la animación, con sonido.	Duración: 5 o 10 s Calidad: 720p / 1080p Datos de entrada: Fotograma inicial	11/seg · 22/seg con audio
Kling 2.5 TurboKling AI	El motor de bocetos más rápido y económico.	Duración: 5 o 10 s Calidad: 720p Datos de entrada: Fotograma inicial	9/seg.
Kling 3.0 Motion ControlKling AI	Transferencia de movimiento: se toma el movimiento de un clip y se aplica a un nuevo sujeto.Se ejecuta en el estudio de Motion, no en el selector de modelos de vídeo.	Calidad: 720p / 1080p Datos de entrada: Fotograma inicial	20/seg. a 720p · 27/seg. a 1080p
Grok Imagine (video)xAI	Movimiento intenso, conversión de texto e imagen a vídeo, y el precio por segundo más económico del estudio.	Duración: 6–30 s Calidad: 480p / 720p Datos de entrada: Fotograma inicial	1,6/seg. a 480p · 3/seg. a 720p
MiniMax H3MiniMax	Cuatro niveles de calidad —de 480p a 4K—, desde el primer hasta el último fotograma, y referencias de imagen, vídeo y audio.Las referencias solo se envían cuando no hay fotograma inicial; el panel oculta uno mientras se utiliza el otro.	Duración: 5–15 s Calidad: 480P / 768P / 2K / 4K Datos de entrada: Fotograma inicial y final, o 9 imágenes / 3 vídeos / 3 archivos de audio Aspecto: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16	10/seg. a 480p · 22,5/seg. a 768p · 36,5/seg. a 2K · 32/seg. a 4K, más los segundos del propio vídeo de referencia y 11 créditos por cada imagen de referencia a partir de las primeras 5.
HappyHorse 1.1Alibaba	Texto, imagen o referencias múltiples a vídeo —solo imágenes, sin referencias de vídeo ni audio—.	Duración: 3–15 s Calidad: 720p / 1080p Datos de entrada: Fotograma inicial o imágenes de referencia	33/seg. a 720p · 44/seg. a 1080p
Wan 2.7	Cuatro modos en uno —texto a vídeo, imagen a vídeo, edición de vídeo y referencia a vídeo— con audio de guía, expansión de indicaciones y indicaciones negativas.	Duración: 5, 10 o 15 s Calidad: 720p / 1080p Datos de entrada: Fotograma inicial, fotograma final, vídeo de referencia, audio de referencia	16 fotogramas por segundo a 720p · 24 fotogramas por segundo a 1080p
Wan 2.6	Transformar un vídeo existente; con varias escenas.	Duración: 5, 10 o 15 s Calidad: 720p / 1080p Datos de entrada: Fotograma inicial, vídeo de referencia	14/seg. a 720p · 21/seg. a 1080p
Wan 2.5	Amplía las instrucciones breves para ofrecerle descripciones más detalladas.	Duración: 5 o 10 s Calidad: 720p / 1080p Datos de entrada: Fotograma inicial	12/seg. a 720p · 20/seg. a 1080p
MMAudio v2	Genera una pista de efectos de sonido para un clip que carece de ella.Se ejecuta a partir de las acciones de edición de un clip, no desde el selector de modelos.	Resultado: Audio multiplexado en el clip de origen	5 por ejecución
Luma Ray-2 ModifyLuma	Renueva el estilo de un clip existente de principio a fin.Se ejecuta a partir de las acciones de edición de un clip, no desde el selector de modelos.	Resultado: El clip original completo, rediseñado	600 por ejecución

Modelo	Para qué sirve	Especificaciones	Créditos
7Image7ART	7ART	Resoluciones: 1K / 2K / 4K Referencias: Hasta 16	Un 10 % por encima de la tarifa base del motor
Nano Banana 2Google	Hasta 14 imágenes de referencia: la opción más segura para mantener la coherencia en los rasgos faciales.	Resoluciones: 1K / 2K / 4K Referencias: Hasta 14	16 / 24 / 32 por imagen a 1K / 2K / 4K
Nano Banana ProGoogle	Composición de varias imágenes.	Resoluciones: 1K / 2K / 4K Referencias: Hasta 8	30 / 30 / 60 por imagen a 1K / 2K / 4K
Seedream 5 LiteByteDance	Económico y rápido.	Resoluciones: 2K / 3K Referencias: Hasta 10	6 a 2K · 8 a 3K
Seedream 4.5ByteDance	El nivel Seedream de gama media.	Resoluciones: 2K / 4K Referencias: Hasta 10	7 a 2K · 9 a 4K
Seedream 4.0ByteDance	El rango de resolución más amplio de Seedream s.	Resoluciones: 1K / 2K / 4K Referencias: Hasta 10	5 / 6 / 8 por imagen a 1K / 2K / 4K
GPT Image 2.5 FlareOpenAI	El GPT Image 2.5 predeterminado. Las ediciones solo modifican lo que usted ha solicitado y no alteran el sujeto, la composición ni el fondo.Diez relaciones de aspecto en cada nivel. Se admiten fondos transparentes. Las formas más anchas cuestan menos créditos que las cuadradas.	Resoluciones: 1K / 2K / 4K Referencias: Hasta 16	A partir de 7 créditos por imagen. Una imagen panorámica de 16:9 cuesta 9 créditos en 1K, 12 en 2K y 21 en 4K; una imagen cuadrada cuesta más, hasta 36 créditos.
GPT Image 2.5 SunburstOpenAI	GPT Image 2.5 Optimizada para priorizar la precisión frente a la velocidad, ideal para trabajos de campañas y productos en los que es imprescindible que una edición sea exacta.Más lenta que Flare. Diez relaciones de aspecto en cada nivel; admite fondos transparentes.	Resoluciones: 1K / 2K / 4K Referencias: Hasta 16	Idéntico a Flare: desde 7 créditos por imagen, 9 a 1K, 12 a 2K y 21 a 4K para una pantalla panorámica 16:9.
GPT Image 2OpenAI	Admite hasta 16 referencias; destaca por su capacidad para seguir instrucciones y por la presencia de texto dentro de la imagen.Un renderizado 1:1 no puede ser de 4K, y un tamaño no especificado tiene un límite máximo de 1K.	Resoluciones: 1K / 2K / 4K Referencias: Hasta 16	8 / 11 / 20 por imagen a 1K / 2K / 4K
Z-ImageAlibaba	Plantillas económicas de texto a imagen: no se necesitan imágenes de referencia en absoluto.	Resultado: 2K, calidad única fija Referencias: Ninguno — solo conversión de texto a imagen	2 por imagen
Grok Imagine (image)xAI	Texto e imagen a imagen; una tarifa plana permite obtener un lote completo.	Resultado: 2K, calidad única fija Referencias: 1 Por lotes: 6 imágenes en modo rápido · 4 en modo de calidad	4 por generación en modo rápido · 5 en modo de calidad
FLUX.2 ProBlack Forest Labs	Máximo realismo y tipografía.	Resultado: ~1 MP	6 por imagen
FLUX.2Black Forest Labs	Realismo; admite indicaciones en formato JSON y códigos de color hexadecimales.	Resultado: ~1 MP	3 por imagen
FLUX.2 TurboBlack Forest Labs	Rápido y económico.	Resultado: ~1 MP	2 por imagen
FLUX.2 FlashBlack Forest Labs	El FLUX.2 más rápido.	Resultado: ~1 MP	1 por imagen
FLUX.2 KleinBlack Forest Labs	Modelo 9B de pocos pasos.	Resultado: ~1 MP	2 por imagen
FLUX.1 DevBlack Forest Labs	La clásica calidad de FLUX.	Resultado: ~1 MP	5 por imagen
FLUX.1 SchnellBlack Forest Labs	Borradores en menos de un segundo.	Resultado: ~1 MP	1 por imagen
FLUX.2 EditBlack Forest Labs	Instruct-edit: edite o cree hasta 4 imágenes.Aparece en el selector únicamente una vez que se ha adjuntado una imagen de referencia.	Resultado: ~1 MP Referencias: Hasta 4	5 por imagen
FLUX.2 Pro EditBlack Forest Labs	Función premium de edición de instrucciones.Aparece en el selector únicamente una vez que se ha adjuntado una imagen de referencia.	Resultado: ~1 MP Referencias: Hasta 9	9 por imagen
FLUX.2 Klein EditBlack Forest Labs	Ediciones rápidas y sencillas.Aparece en el selector únicamente una vez que se ha adjuntado una imagen de referencia.	Resultado: ~1 MP Referencias: Hasta 4	5 por imagen
Trained ElementBlack Forest Labs	FLUX.1 Dev Además, un modelo LoRA entrenado a partir de su propio «Element» reproduce esa identidad con total exactitud.Aparece en el selector únicamente cuando se menciona (@) un elemento entrenado en el prompt.	Resultado: ~1 MP Referencias: 1 Entrenamiento: 400 créditos, una vez por elemento	10 por imagen, tras un pago único de 400 para el entrenamiento.
Clarity Upscaler	Aumenta la resolución de una sola imagen, por defecto al doble.Solo se puede acceder a ella a través del Super Agent; no hay ningún botón para ello en el Image Studio.	Entrada: Exactamente 1 imagen	24 por ejecución
IC-Light v2	Reejecuta una sola imagen.Solo se puede acceder a través del Super Agent; no hay ningún botón para ello en el Image Studio.	Entrada: Exactamente 1 imagen	20 por ejecución
FLUX.1 KontextBlack Forest Labs	Edición de instrucciones sobre una única imagen de origen.Solo se puede acceder a ella a través del Super Agent; no hay ningún botón para ello en el Image Studio.	Entrada: Exactamente 1 imagen	8 por ejecución

Modelo	Para qué sirve	Especificaciones	Créditos
Suno V5.5Suno	La última versión de Suno en el estudio de música 7ART.	Estado: Últimas novedades	12 por generación
Suno V5Suno	La versión que genera la ruta musical cuando no se selecciona ninguna.	Estado: Predeterminado	12 por generación
Suno V4.5 AllSuno	Versión anterior de Suno, que se mantiene como opción seleccionable.	—	12 por generación
Suno V4.5+Suno	Versión anterior de Suno, que se mantiene como opción seleccionable.	—	12 por generación
Suno V4.5Suno	Versión anterior de Suno, que se mantiene como opción seleccionable.	—	12 por generación
Suno V4Suno	La versión más antigua de Suno que aún se puede seleccionar en el estudio.	—	12 por generación

Modelo	Para qué sirve	Especificaciones	Créditos
ElevenLabs Turbo 2.5ElevenLabs	El nivel de conversión rápida de texto a voz.	Velocidad: 0.7×–1.2×	10 por cada 1.000 caracteres
ElevenLabs Multilingual v2ElevenLabs	El nivel de conversión de texto a voz multilingüe.	Velocidad: 0.7×–1.2×	20 por cada 1.000 caracteres
ElevenLabs Eleven v3ElevenLabs	El nivel de conversión de texto a voz con capacidad expresiva.	Velocidad: 0.7×–1.2×	20 por cada 1.000 caracteres
ElevenLabs v3 DialogueElevenLabs	Diálogo entre varios interlocutores a partir de un guion.	—	20 por cada 1.000 caracteres
ElevenLabs Sound Effects v2ElevenLabs	Un efecto de sonido a partir de una descripción textual.	—	0,4 por segundo
ElevenLabs Audio IsolationElevenLabs	Elimina el ruido de fondo de una grabación.	—	0,34 por segundo
ElevenLabs Speech-to-TextElevenLabs	Transcribe el discurso a partir de un archivo de audio.	—	6 por minuto
ElevenLabs DubbingElevenLabs	Dobla un vídeo a otro idioma.	—	180 por minuto, redondeado al alza
HeyGen Video Translate — PrecisionHeyGen	Traduce un vídeo con una voz clonada y una sincronización labial reajustada.	—	20 por segundo de salida
HeyGen Video Translate — SpeedHeyGen	El modo de traducción rápida de vídeos.	—	10 por segundo de salida
Sonilo v1.1Sonilo	Diseño de sonido que acompaña a la acción: efectos de sonido o una banda sonora sincronizada con un vídeo, o cualquiera de ambos a partir de una descripción textual.	Modos: Vídeo → efectos de sonido · Vídeo → música · Texto → sonido · Texto → música Secciones: ≥5 s cada uno, contiguos, ≤200 caracteres Importe mínimo de facturación: Mínimo de 15 segundos	1,8 por segundo para cualquiera de los modos de vídeo · 0,36 por segundo de texto a sonido · 0,5 por segundo de texto a música, con un mínimo de 15 segundos

Modelo	Para qué sirve	Especificaciones	Créditos
Kling Avatar — StandardKling AI	Convierte un retrato en un avatar que habla.	Calidad: 720p Longitud máxima: 60 s	8 por segundo
Kling Avatar — ProKling AI	El nivel de avatares parlantes en 1080p y el clip más largo del estudio.	Calidad: 1080p Longitud máxima: 5 minutos	16 por segundo
HeyGen Avatar IVHeyGen	De una foto a un avatar que habla.	Calidad: 720p / 1080p Longitud máxima: 60 s	20 por segundo
Omnihuman 1.5ByteDance	De un retrato a un vídeo en el que el personaje habla.	Calidad: 720p / 1080p, con el mismo coste Longitud máxima: 60 s	27 por segundo
Volcengine Lip SyncVolcengine	Vuelve a sincronizar los labios de un vídeo existente con un nuevo audio.	Entrada: Un vídeo de origen Longitud máxima: 60 s	8 por segundo

Modelo	Para qué sirve	Especificaciones	Créditos
Meshy 6Meshy	La mejor malla en todos los aspectos: topología cuadrangular, materiales PBR y poses.	Modos: Imagen · Vistas múltiples · Texto Polycount: 10,000–300,000 Extras: PBR · topología de cuadriláteros · postura A / postura T Imágenes: Hasta 4	240 por generación
Hunyuan 3.1 Pro	La malla con mayor nivel de detalle, con entrada de múltiples vistas.	Modos: Imagen · Vistas múltiples · Texto Polycount: 40,000–1,500,000 Extras: PBR Imágenes: Hasta 4	80 por generación
Trellis 2	Rápido y asequible, a partir de una sola imagen.	Modos: Solo imagen Polycount: 10,000–300,000 Imágenes: 1	60 por generación
Tripo 2.5Tripo3D	La malla más rápida del estudio 3D.	Modos: Imagen · Vistas múltiples · Texto Polycount: 10,000–300,000 Extras: PBR Imágenes: Hasta 4	60 por generación
Retexture EngineMeshy	Retexturiza una malla que ya tenga, a partir de una indicación o de una imagen de estilo.	Entrada: Una malla existente + una imagen de un estilo Extras: PBR	60 por ejecución
RemeshMeshy	Remesh a, reajusta la escala y vuelve a exportar un modelo para su impresión o para otro proceso.	Entrada: Una malla existente Polycount: 10,000–300,000 Formatos: GLB · FBX · OBJ · STL · USDZ	40 por ejecución

Modelos de IA en 7ART

Modelos de vídeo

7Video

Gemini Omni Flash

VEO

Seedance

Kling

Grok Imagine (video)

MiniMax H3

HappyHorse 1.1

Wan

MMAudio v2

Luma Ray-2 Modify

Modelos de imagen

7Image

Nano Banana

Seedream

GPT Image 2.5

GPT Image 2

Z-Image

Grok Imagine (image)

FLUX

Clarity Upscaler

IC-Light v2

Modelos musicales

Suno

Modelos de voz y audio

ElevenLabs

HeyGen

Sonilo v1.1

Modelos de avatar y de sincronización labial

Kling Avatar

HeyGen Avatar IV

Omnihuman 1.5

Volcengine Lip Sync

Modelos 3D

Meshy 6

Hunyuan 3.1 Pro

Trellis 2

Tripo 2.5

Retexture Engine

Remesh

Cómo llega un modelo a esta página

Todos los modelos anteriores, con un único saldo

Modelos de IA en 7ART

Modelos de vídeo

7Video

Gemini Omni Flash

VEO

Seedance

Kling

Grok Imagine (video)

MiniMax H3

HappyHorse 1.1

Wan

MMAudio v2

Luma Ray-2 Modify

Modelos de imagen

7Image

Nano Banana

Seedream

GPT Image 2.5

GPT Image 2

Z-Image

Grok Imagine (image)

FLUX

Clarity Upscaler

IC-Light v2

Modelos musicales

Suno

Modelos de voz y audio

ElevenLabs

HeyGen

Sonilo v1.1

Modelos de avatar y de sincronización labial

Kling Avatar

HeyGen Avatar IV

Omnihuman 1.5

Volcengine Lip Sync

Modelos 3D