---
title: "IA de texto, voz o visión: elija por tarea, no por modelo"
description: "Elija chat de texto, entrada de imágenes o transcripción de audio según la tarea, con los modelos y límites que documenta BroadNet y lo que no ofrece, como TTS."
url: https://broadrouter.com/es/blog/text-speech-vision/
lang: es
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/text-speech-vision/) (actualizado el 2026-11-15).

# ¿Texto, voz o visión? Empiece por la tarea

Por el equipo de BroadNet Inference · 7 min de lectura · Publicado 2026-11-15

Empiece por la entrada y la salida. Entra texto y sale texto: es chat. Entra una foto o un escaneo y sale texto: es chat con imagen, en un modelo que acepte imágenes. Entra voz grabada y sale texto: es transcripción; de la voz a una respuesta: transcripción y luego chat. BroadNet no ofrece texto a voz, generación de imágenes ni embeddings.

## Puntos clave

-   Elija primero el tipo de entrada. Decide el endpoint, y el endpoint decide qué modelos puede usar.
-   En BroadNet, tres modelos de chat aceptan imágenes (DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 VL 26B); GLM 5.3 es solo texto.
-   La voz va a /v1/audio/transcriptions como archivo WAV o MP3 de hasta 26,214,400 bytes. Envíe siempre el idioma.
-   BroadNet no ofrece endpoints de texto a voz, voz en vivo, generación de imágenes ni embeddings. Prevea un segundo proveedor si los necesita.
-   Cree un conjunto de evaluación aparte para cada tipo de entrada, y otro para la cadena completa cuando la voz alimenta a un modelo de chat.

**En esta página**

1.  ¿Qué tipo de entrada necesita su tarea?
2.  ¿Cuál es la diferencia entre chat y transcripción?
3.  ¿Qué modelos aceptan imágenes?
4.  ¿Cómo enrutar cada entrada en el código?
5.  ¿Y si el documento ya es texto?
6.  ¿Cómo se comparan los costos?
7.  ¿Qué no se ofrece y qué hacer en su lugar?
8.  ¿Por qué necesita un conjunto de evaluación aparte para cada entrada?
9.  Dónde encaja BroadNet Inference

«¿Qué modelo usamos?» es la segunda pregunta. La primera es «¿qué entra y qué tiene que salir?». La foto de una factura, una nota de voz de un cliente y una pregunta escrita van cada una a un tipo de endpoint distinto, y cada endpoint tiene sus propios modelos, límites y formas de fallar. Elija primero la tarea y la lista de modelos se reduce a dos o tres.

Esta guía relaciona tareas habituales con tipos de entrada y luego con lo que BroadNet Inference documenta para cada uno. BroadRouter es el sitio web de BroadNet; los datos de los modelos de abajo provienen del [feed de precios](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-text-speech-vision&utm_content=body) y de la [referencia de la API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-text-speech-vision&utm_content=body) de BroadNet, consultados el 15 de noviembre de 2026.

## ¿Qué tipo de entrada necesita su tarea?

| Su tarea | Entrada | Salida | Endpoint | Modelos de BroadNet |
| --- | --- | --- | --- | --- |
| Responder, resumir, clasificar o traducir texto | Texto | Texto | Chat completions | Cualquiera de los cuatro modelos de chat |
| Llamar a sus propias funciones o herramientas | Texto | Tool calls | Chat completions | GLM 5.3, Qwen3.8 27B (documentados) |
| Leer una foto, un escaneo, una captura o un formulario | Imagen + texto | Texto o JSON | Chat completions con imagen | DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 VL 26B |
| Convertir una grabación o nota de voz en texto | Archivo de audio | Texto | Audio transcriptions | Transcribe Arabic, Transcribe (14 idiomas) |
| Resumir una llamada o responder una nota de voz | Archivo de audio | Texto | Transcripción y luego chat | Uno de cada tipo |
| Decir una respuesta en voz alta | Texto | Audio | Texto a voz | No disponible |
| Mantener una conversación de voz en vivo | Stream de audio | Audio | Voz en tiempo real | No disponible |
| Crear una imagen | Texto | Imagen | Generación de imágenes | No disponible |
| Búsqueda semántica en documentos | Texto | Vectores | Embeddings | No disponible |

«Visión» en esta tabla significa comprensión de imágenes: el modelo lee una imagen que usted le envía. No significa generar imágenes. La entrada del glosario [modelo de visión y lenguaje](https://broadrouter.com/es/glossary/vision-language-model/) explica la diferencia.

## ¿Cuál es la diferencia entre chat y transcripción?

Son endpoints distintos, con formas de solicitud, unidades de facturación y modelos diferentes.

**Chat** (`POST /v1/chat/completions`) recibe una lista de mensajes en JSON y devuelve texto. Se cobra por token, entrada y salida por separado, y cada modelo tiene una [ventana de contexto](https://broadrouter.com/es/glossary/context-window/) que contiene el prompt y la respuesta juntos. En BroadNet, tres de los cuatro modelos de chat razonan antes de responder, y ese razonamiento cuenta para `max_tokens`, así que deje margen ([tokens de razonamiento y respuestas vacías](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)).

**Transcripción** (`POST /v1/audio/transcriptions`) recibe un archivo de audio como carga multipart y devuelve la transcripción. Se cobra por minuto de audio. La documentación de BroadNet especifica WAV o MP3 de hasta 26,214,400 bytes por archivo y pide enviar siempre `language`, porque de lo contrario el árabe puede volver transliterado en letras latinas.

| Modelo | Idiomas | Precio |
| --- | --- | --- |
| [BroadNet Transcribe Arabic](https://broadrouter.com/es/models/cohere-transcribe-arabic/) | Árabe: del Golfo, egipcio, levantino, magrebí y estándar moderno, según BroadNet | $0.0042 por minuto (unos $0.25 por hora) |
| [BroadNet Transcribe](https://broadrouter.com/es/models/cohere-transcribe/) | 14, entre ellos inglés, español, francés, mandarín y árabe | $0.002 por minuto (unos $0.12 por hora) |

Un modelo de chat en BroadNet no acepta audio, y un modelo de transcripción no responde preguntas. Un asistente de voz que responde por texto son dos llamadas: transcribir y luego chatear. [Actas de reuniones en árabe a partir de grabaciones](https://broadrouter.com/es/blog/arabic-meeting-minutes-from-recordings/) construye exactamente esa cadena.

## ¿Qué modelos aceptan imágenes?

Aquellos cuya entrada en el feed incluye `image` en `modalities`. Al 15 de noviembre de 2026:

| Modelo | Entradas | Contexto | Entrada / salida por 1M de tokens | Acceso |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) | Texto, imagen | 1,048,576 | $0.175 / $0.52 | Requiere recarga |
| [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) | Texto, imagen | 262,144 | $0.175 / $2.17 | Requiere recarga |
| [Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) | Texto, imagen | 32,768 | $0.10 / $0.22 | Crédito inicial de $5 |
| [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) | Solo texto | 1,048,576 | $0.78 / $3.46 | Requiere recarga |

Envíe la imagen como URL `data:` dentro del contenido del mensaje, con un tipo MIME correcto. La documentación de BroadNet dice que la visión se ofrece “only where the model row explicitly says images or vision” (Traducción: solo donde la fila del modelo indica explícitamente imágenes o visión). La documentación no enumera los formatos de imagen aceptados, así que pruebe cada formato que piense admitir. Con una clave de pago por uso, una imagen se cobra como tokens de entrada, y una imagen más grande usa más; redimensiónela antes de enviarla y haga la estimación con la [calculadora de tokens de imagen](https://broadrouter.com/tools/image-token-calculator/). La extracción de documentos de principio a fin está en [extraer datos de documentos con un LLM de visión](https://broadrouter.com/es/blog/extract-data-from-documents-with-vision-llm/).

## ¿Cómo enrutar cada entrada en el código?

Esta función elige el endpoint según el tipo de archivo, comprueba los límites documentados antes de enviar y lee la lista de modelos con capacidad de imagen desde el feed en vivo, en lugar de escribirla a mano. Usa el SDK de OpenAI para Python, que funciona con BroadNet tras cambiar la base URL ([guía de configuración](https://broadrouter.com/es/guides/openai-python-sdk/)).

```python
import base64, json, mimetypes, os, urllib.request
from pathlib import Path
from openai import OpenAI

client = OpenAI(base_url=os.environ.get("BROADNET_BASE_URL", "https://inference.broadnet.ai/v1"),
                api_key=os.environ["BROADNET_API_KEY"])
feed = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json", timeout=30))
live = [m for m in feed["models"] if m.get("status", "live") == "live"]
VISION = {m["id"] for m in live if "image" in m.get("modalities", [])}
AUDIO_TYPES = {"audio/wav", "audio/x-wav", "audio/mpeg"}       # WAV or MP3, per the docs
AUDIO_MAX = 26_214_400                                         # bytes per file, per the docs
IMAGE_TYPES = {"image/jpeg", "image/png", "image/webp"}        # your allow-list; test each one

def run(task: str, path: str | None = None, *, chat_model="broadnet/gemma-4-26b-a4b",
        stt_model="broadnet/cohere-transcribe-arabic", language="ar") -> str:
    kind = mimetypes.guess_type(path)[0] if path else None
    if kind is None:                                           # text only
        r = client.chat.completions.create(model=chat_model, max_tokens=1500,
                                           messages=[{"role": "user", "content": task}])
        return r.choices[0].message.content
    if kind in AUDIO_TYPES or kind.startswith("audio/"):
        if kind not in AUDIO_TYPES:
            raise ValueError(f"{kind}: convert first, e.g. ffmpeg -i in.ogg -ar 16000 -ac 1 out.wav")
        if Path(path).stat().st_size > AUDIO_MAX:
            raise ValueError("over 26,214,400 bytes: split the audio before sending")
        with open(path, "rb") as f:                            # step 1: speech to text
            text = client.audio.transcriptions.create(model=stt_model, file=f, language=language).text
        return run(f"{task}\n\nTranscript:\n{text}", chat_model=chat_model) if task else text
    if kind in IMAGE_TYPES:
        if chat_model not in VISION:
            raise ValueError(f"{chat_model} takes no images here; pick one of {sorted(VISION)}")
        data = base64.b64encode(Path(path).read_bytes()).decode()
        r = client.chat.completions.create(model=chat_model, max_tokens=1500, messages=[{"role": "user",
            "content": [{"type": "text", "text": task},
                        {"type": "image_url", "image_url": {"url": f"data:{kind};base64,{data}"}}]}])
        return r.choices[0].message.content
    raise ValueError(f"unsupported input type {kind}")
```

La probamos con `BROADNET_BASE_URL` apuntando a un servidor simulado local (sin llamadas a la API real) y con el feed de precios en vivo. Texto, un archivo WAV, un archivo WAV con una tarea posterior y un PNG llegaron cada uno al endpoint simulado correcto. Enviar el PNG con `chat_model="broadnet/glm-5.3"` se rechazó antes de cualquier solicitud, con la lista de los tres ID con capacidad de imagen tomados del feed. Un archivo `.ogg` se rechazó con el comando de ffmpeg para convertirlo; [transcribir notas de voz de WhatsApp](https://broadrouter.com/es/guides/transcribe-whatsapp-voice-notes/) cubre ese paso. Las grabaciones que superan el tamaño máximo hay que dividirlas; el [divisor de audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) genera los comandos de ffmpeg.

## ¿Y si el documento ya es texto?

Entonces no envíe una imagen de él. Un PDF exportado desde un sistema contable o un procesador de textos suele tener una capa de texto; extráigala con una biblioteca de PDF y envíe el texto a un modelo de chat. Es más barato que una imagen con una clave de pago por uso, evita errores de lectura y también funciona con GLM 5.3. Reserve la visión para escaneos, fotos de teléfono, escritura a mano, sellos y capturas de pantalla, donde no hay capa de texto que extraer.

Una regla útil en un pipeline de documentos: intente primero extraer el texto, compruebe si devolvió texto real (no páginas vacías ni caracteres corruptos) y recurra a la imagen solo si no lo hizo. En los PDF en árabe, lea una muestra del texto extraído antes de fiarse: según cómo se haya generado el PDF, la extracción puede devolver las letras árabes en el orden equivocado o en formas de presentación sin unir. [OCR en árabe con un LLM de visión](https://broadrouter.com/es/blog/arabic-ocr-vision-llm/) cubre los casos en que la imagen es la mejor fuente.

## ¿Cómo se comparan los costos?

Cada tipo de entrada se cobra en su propia unidad, así que compare por tarea, no por solicitud:

-   **El texto** se cobra por token de entrada y de salida. El árabe suele necesitar más tokens que el inglés para el mismo contenido; el [contador de tokens en árabe](https://broadrouter.com/tools/arabic-token-counter/) lo mide.
-   **Las imágenes** en pago por uso son tokens de entrada al precio de entrada del modelo, así que una foto grande puede costar más que una página de texto. En un plan de sesiones de DeepSeek, las imágenes están incluidas en el precio fijo.
-   **El audio** se cobra por minuto de audio, se diga lo que se diga. En BroadNet, 10,000 notas de voz en árabe de 30 segundos cada una cuestan unos $21.00 con el modelo árabe. La [calculadora de costos de voz a texto](https://broadrouter.com/tools/speech-to-text-cost-calculator/) calcula otros volúmenes.

Una cadena suma sus partes: una nota de voz respondida por un modelo de chat cuesta los minutos de transcripción más los tokens de chat de la transcripción y la respuesta. La [calculadora de costos de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) se encarga de la parte de chat.

## ¿Qué no se ofrece y qué hacer en su lugar?

La referencia de la API de BroadNet documenta dos endpoints de inferencia: chat completions y audio transcriptions. Por tanto, no hay:

-   **Texto a voz.** No existe `/v1/audio/speech`. Si su producto debe responder hablando, combine la transcripción y el chat de BroadNet con un servicio de TTS aparte.
-   **Voz en vivo.** La transcripción recibe un archivo subido, no un stream de audio en vivo. Para un agente telefónico que deba responder durante la llamada, necesita una plataforma de voz en tiempo real en otro lugar. [Grabar audio del navegador para transcribir](https://broadrouter.com/es/blog/record-browser-audio-transcription-api/) muestra la alternativa basada en archivos.
-   **Generación de imágenes.** Aquí la visión lee imágenes; no las crea.
-   **Embeddings.** No existe `/v1/embeddings`. Para recuperación necesita un modelo de embeddings de otro proveedor o autoalojado; la [calculadora de costos de embeddings](https://broadrouter.com/tools/embedding-cost-calculator/) compara precios.

El [catálogo de investigación](https://www.broadnet.ai/inference/models) de BroadNet sí enumera modelos de texto a voz, de generación de imágenes y de embeddings, marcados como evaluados en su laboratorio. Eso registra lo que BroadNet probó, no lo que vende su API; [cómo leer un catálogo de modelos](https://broadrouter.com/es/blog/understand-model-status/) explica la diferencia.

## ¿Por qué necesita un conjunto de evaluación aparte para cada entrada?

Porque cada tipo de entrada falla de manera distinta, y un promedio entre todos oculta los fallos.

-   **Texto:** evalúe con mensajes reales de usuarios, con comprobaciones en código cuando sea posible. El método está en [evaluar un LLM antes de cambiar](https://broadrouter.com/es/blog/evaluate-llm-before-switching/).
-   **Imágenes:** use fotos reales con calidad real: fotos de teléfono en ángulo, recibos desvaídos, sellos sobre el texto. Evalúe cada campo por separado. Un PDF limpio renderizado puntúa mucho más alto que las fotos que enviarán sus usuarios.
-   **Voz:** mida la [tasa de error de palabras](https://broadrouter.com/es/glossary/word-error-rate/) con sus propias grabaciones, desglosada por dialecto, hablante y calidad de línea, y revise aparte las palabras que importan (nombres, números, importes). Consulte [el WER en ASR árabe explicado](https://broadrouter.com/es/blog/arabic-asr-wer-explained/).
-   **Cadenas:** cuando la voz alimenta a un modelo de chat, evalúe ambos pasos y el resultado final. Un número mal oído se convierte en una respuesta incorrecta dada con seguridad, y solo una prueba de extremo a extremo muestra con qué frecuencia.

Mantenga los conjuntos separados, versiónelos y vuelva a ejecutar el que corresponda cada vez que cambie un modelo o un prompt.

## Dónde encaja BroadNet Inference

BroadNet Inference cubre las cinco primeras filas de la tabla de tareas con una sola clave y una sola base URL: chat de texto, tool calling en GLM 5.3 y Qwen3.8 27B, comprensión de imágenes en tres modelos y transcripción en árabe o multilingüe. Gemma 4 VL 26B y los dos modelos de transcripción funcionan con el crédito inicial de $5; DeepSeek, GLM y Qwen requieren una recarga. El contenido de inferencia no se retiene; los metadatos necesarios de cuenta, facturación y seguridad se conservan como se describe en la [declaración de privacidad](https://www.broadnet.ai/inference-privacy) de BroadNet. Para hablar, generar imágenes, voz en vivo o embeddings, use otro servicio. Los precios de todo lo anterior están en la [página de precios](https://broadrouter.com/es/pricing/).

Herramientas gratuitas sobre este tema (en inglés)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Embeddings (vectores de texto)](https://broadrouter.com/es/glossary/embeddings/)

Los embeddings son listas de números de punto flotante (vectores) que un modelo produce para representar un texto, una imagen u otra entrada. Las entradas de significado parecido obtienen vectores cercanos, así que la distancia entre vectores sirve para ordenar resultados de búsqueda, agrupar documentos o encontrar elementos relacionados.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Voz a texto (speech-to-text)](https://broadrouter.com/es/glossary/speech-to-text/)

La conversión de voz a texto, o reconocimiento automático del habla (ASR), transforma audio hablado en texto escrito. Una API de voz a texto recibe un archivo o stream de audio y devuelve una transcripción, normalmente cobrada por minuto. La precisión se mide con la tasa de error por palabra y varía según el acento, el dialecto y la grabación.

[WAV (archivo de audio)](https://broadrouter.com/es/glossary/wav/)

WAV (Waveform Audio File Format, o WAVE) es un contenedor de audio basado en el formato RIFF de Microsoft e IBM. Suele llevar muestras PCM lineales sin comprimir, así que su tamaño es predecible: frecuencia de muestreo por bytes por muestra por canales, por segundo.

[API de Chat Completions](https://broadrouter.com/es/glossary/chat-completions-api/)

La API de Chat Completions es el endpoint HTTP de OpenAI, POST /v1/chat/completions, que recibe un nombre de modelo y una lista de mensajes etiquetados con su rol y devuelve el siguiente mensaje del modelo. Su forma de solicitud y respuesta se convirtió en el formato común que reutilizan los proveedores y SDKs compatibles con OpenAI.

[Crédito prepago (prepaid credit)](https://broadrouter.com/es/glossary/prepaid-credit/)

El crédito prepago es dinero que se añade a una cuenta de API antes de usarla. Cada solicitud descuenta su coste del saldo y, cuando el saldo se agota, las solicitudes medidas se detienen hasta que usted recargue. Limita el gasto a lo que ha pagado.

[Texto a voz (TTS, text-to-speech)](https://broadrouter.com/es/glossary/text-to-speech/)

Texto a voz (TTS), o síntesis de voz, convierte texto escrito en audio hablado. Una API de TTS recibe un texto, una voz y un formato de salida como MP3 o WAV, y devuelve voz generada. Es lo contrario de voz a texto, que convierte audio en texto.

## Preguntas frecuentes

### ¿Qué modelo de IA debo usar para imágenes?

Uno que acepte imágenes como entrada en la API que usa. En BroadNet Inference son DeepSeek V4.1 Flash, Qwen3.8 27B o Gemma 4 VL 26B, según su feed de precios; GLM 5.3 solo acepta texto. Envíe la imagen como data URL dentro del mensaje de chat.

### ¿Un modelo de chat puede transcribir audio?

No en BroadNet Inference. El audio va al endpoint de transcripción, /v1/audio/transcriptions, con un modelo de transcripción. Si después necesita un resumen o una respuesta, envíe la transcripción a un modelo de chat como segundo paso.

### ¿BroadNet Inference ofrece texto a voz o generación de imágenes?

No. Su referencia de la API documenta solo chat completions y transcripción de audio. En el catálogo de investigación de BroadNet aparecen modelos de texto a voz y de generación de imágenes como evaluados, lo que no equivale a que se ofrezcan.

### ¿Qué formatos de audio acepta BroadNet?

WAV (audio/wav) o MP3 (audio/mpeg), de hasta 26,214,400 bytes por archivo. Convierta antes con ffmpeg otros formatos, como una nota de voz .ogg de WhatsApp, y envíe siempre el parámetro de idioma.

### ¿Cómo se cobra una imagen?

Con una clave de pago por uso, BroadNet cobra la imagen como tokens de entrada al precio de entrada del modelo, y una imagen más grande usa más tokens. En un plan de sesiones de DeepSeek, las imágenes están incluidas en el precio fijo.

## Siga leyendo

-   [Extraer datos de facturas, recibos y formularios a JSON con visión](https://broadrouter.com/es/blog/extract-data-from-documents-with-vision-llm/)
-   [API de voz a texto en árabe: cómo elegir una en 2026](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/)
-   [API de voz a texto multilingüe: 14 idiomas, un solo endpoint](https://broadrouter.com/es/blog/multilingual-speech-to-text-api/)
-   [La API de LLM de visión más barata: costo por imagen y por página](https://broadrouter.com/es/blog/cheapest-vision-llm-api/)
-   [Actas de reuniones en árabe a partir de grabaciones: pipeline con API](https://broadrouter.com/es/blog/arabic-meeting-minutes-from-recordings/)
-   [Disponible, bajo solicitud o investigación: lea bien un catálogo](https://broadrouter.com/es/blog/understand-model-status/)
-   [Cómo evaluar un LLM antes de cambiar de proveedor](https://broadrouter.com/es/blog/evaluate-llm-before-switching/)
-   [El hardware GPU de BroadNet y cómo sirve los modelos, según BroadNet](https://broadrouter.com/es/blog/broadnet-gpu-fleet-and-serving/)
-   [Caché de respuestas de APIs de LLM para reducir costos en Python](https://broadrouter.com/es/blog/cache-llm-responses-cut-cost/)
-   [Guía: Lea facturas y recibos en árabe con un modelo de visión](https://broadrouter.com/es/guides/read-arabic-invoices-with-vision/)
-   [Guía: API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/)
-   [Guía: Transcribir notas de voz de WhatsApp a texto con una API](https://broadrouter.com/es/guides/transcribe-whatsapp-voice-notes/)
-   [Guía: Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-text-speech-vision&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference: ID de modelos, chat con imagen, formatos y tamaño de transcripción, estado de capacidades (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-text-speech-vision&utm_content=sources)
-   [pricing.json de BroadNet Inference: modalidades, idiomas y precios por modelo (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-text-speech-vision&utm_content=sources)
-   [Catálogo de modelos de BroadNet Inference: modelos activos, y modelos de texto a voz y de imagen listados como evaluados (consultado el 2026-11-15)](https://www.broadnet.ai/es/inference/models)
-   [Declaración de privacidad y retención de datos de BroadNet Inference (consultado el 2026-11-15)](https://www.broadnet.ai/es/inference-privacy)
