APIs de música con IA: modelos y derechos 2026

Qué puedes generar hoy con una API de música

Las APIs de música pueden producir desde un jingle breve hasta una canción con voz y letra, o una base instrumental para un vídeo, un pódcast o un juego. La diferencia práctica no está solo en cómo suena el resultado: también importa si puedes pedir una duración concreta, corregir una sección sin rehacer todo el tema y usar la pista en un producto comercial.

Antes de integrar nada, concreta el flujo de trabajo. Si tu aplicación solo necesita generar una pista una vez, te puede bastar una llamada de texto a audio. Si quieres que el usuario ajuste la letra, cambie el estribillo y conserve el resto, necesitas edición por secciones o una API que permita iterar. No todas lo ofrecen: Google Lyria, por ejemplo, genera en una sola interacción y no admite una secuencia de ediciones conversacionales.

También separa la calidad sonora de los permisos. Un modelo puede generar voces convincentes y, aun así, no dejar claro si puedes usar la salida en anuncios o venderla como parte de un servicio.

Derechos comerciales: comprueba los términos antes de integrar

ElevenLabs afirma que su música está creada con sellos, editoriales y artistas, y que está autorizada para casi todos los usos comerciales, incluidos cine, televisión, pódcast, redes sociales, publicidad y videojuegos. Es una afirmación del proveedor, no una opinión legal; además, los usos permitidos dependen del plan. Revisa las condiciones aplicables a tu cuenta y al producto que vas a lanzar.

En la documentación de Gemini API sobre Lyria no aparece una declaración equivalente que autorice el uso comercial de la música generada. Las licencias que sí se indican corresponden a la documentación y a los ejemplos de código, no a las pistas. No des por hecho que puedes monetizar esas salidas: aclara el permiso antes de ponerlas en producción.

Si comparas precios, ten presente que las cifras visibles en nuestra tabla de IA abarcan la comparación completa, no solo estas plataformas musicales. En el conjunto de 7 planes de 7 plataformas, los precios mensuales empiezan en 31,33 €; los datos se actualizaron el 31 octubre 2026. El precio de acceso no sustituye la revisión de derechos, límites de uso y condiciones de cada API.

ElevenLabs Music: edición por secciones y pistas largas

ElevenLabs ofrece tres versiones documentadas. music_v2.5 es la más avanzada y mejora la calidad de audio y el seguimiento de instrucciones respecto a v2. La versión music_v2 mejora la composición, las voces multilingües y la salida vocal. music_v1 sigue disponible durante la transición, aunque está superada. La documentación no coincide del todo sobre cuál es la predeterminada en la API, así que confirma qué versión invoca tu integración en lugar de codificar esa suposición.

Puedes pedir temas vocales o instrumentales y controlar género, estilo y estructura. La duración va de 3 segundos a 5 minutos; la salida puede ser MP3 a 44,1 kHz, entre 128 y 192 kbps, o WAV. Para un juego o una herramienta de vídeo, destaca la edición: puedes cambiar una parte o la canción entera, incluida la letra, y regenerar una sección mediante inpainting.

Audio Reference permite orientar v2 y v2.5 con una pista subida de unos 30 segundos como máximo, en planes de pago. Sirve para guiar el estilo y el sonido, no para hacer un remix. La API de música también requiere una suscripción de pago; los clientes Enterprise pueden usar modo de retención cero en los endpoints cubiertos.

Google Lyria: un clip fijo o una canción completa

Gemini API documenta dos modelos. lyria-3-clip-preview genera un clip MP3 de 30 segundos exactos; el identificador incluye «preview», por lo que conviene comprobar la disponibilidad antes de construir una función que dependa de él. lyria-3.5 genera canciones completas de alrededor de un par de minutos, en MP3 y con WAV opcional. Ambos producen audio estéreo a 44,1 kHz.

Lyria 3.5 puede crear voces, letras sincronizadas e instrumentales. Para pedir una pieza sin voz, indícalo en el prompt. También acepta hasta diez imágenes por solicitud, además de texto, para orientar la generación. Las llamadas son de una sola interacción: no puedes encadenar cambios conversacionales sobre la pista. Dos solicitudes iguales pueden dar resultados distintos, y se bloquean las peticiones de voces de artistas concretos o letras protegidas por derechos de autor.

Todo el audio generado lleva una marca de agua SynthID que, según la documentación, no se percibe al oído. Ten en cuenta también que la página de Lyria no especifica una licencia comercial para las canciones.

Suno: no cuentes con una API abierta de autoservicio

Suno anunció un programa para desarrolladores y socios con acceso por invitación, no una API pública de autoservicio que cualquier equipo pueda activar y probar. Si tu producto necesita una integración disponible de inmediato, no diseñes el lanzamiento suponiendo que tendrás acceso a Suno: comprueba el estado del programa y consigue confirmación directa.

Sus planes de pago contemplan derechos comerciales según sus condiciones, mientras que las salidas del nivel gratuito se describen como no comerciales en fuentes secundarias. Esos derechos también se han visto sometidos a impugnaciones legales; no anticipes cómo terminarán. Suno ha hablado de modelos licenciados con un socio discográfico, pero no hay un calendario confirmado que permita basar una hoja de ruta en esa opción.

Qué muestra esta comparación de plataformas musicales

En esta página filtrada aparecen AI/ML API y WaveSpeedAI. Ninguna de las dos filas identifica qué modelo de música sirve. Por eso, no podemos atribuirles las funciones concretas de ElevenLabs o Lyria ni asegurar que puedas elegir una versión determinada. La lista de familias de modelos que aparece en esas filas tampoco identifica el modelo musical detrás de la oferta.

Una plataforma multi-modelo puede resultar útil si quieres integrar varios servicios desde una interfaz común, comparar opciones o contar con routing y fallback. Eso puede reducir trabajo de integración o facilitar un cambio de proveedor, pero no garantiza por sí solo un coste menor ni que todas las funciones del fabricante estén expuestas. Comprueba si conserva controles como edición por secciones, referencias de audio, formatos y parámetros de duración.

La capa intermedia tampoco convierte en equivalentes los permisos de distintos modelos. Antes de elegirla, confirma qué proveedor genera realmente cada pista, qué condiciones se aplican a la salida y si la plataforma transmite la configuración necesaria. Si no publica el modelo concreto, pide esa información antes de prometer a tus usuarios una capacidad o un uso comercial específicos.

Lista de comprobación antes de lanzar tu función

• Define el resultado: clip de duración fija, tema largo, instrumental, voz o letra sincronizada. No elijas el modelo por una demo que no cubre tu caso.
• Confirma los derechos: guarda la versión de los términos, el plan necesario y los usos comerciales permitidos. Revisa también si hay límites por canal, cliente o tipo de producto.
• Prueba la edición: verifica si puedes modificar solo una sección, si la API mantiene el resto de la canción y qué ocurre cuando el usuario repite una petición.
• Comprueba la integración: mide formatos, latencia y duración real de las solicitudes, y confirma el modelo y la versión accesibles desde la plataforma elegida.
• Planifica el fallback: un proveedor alternativo puede mantener el servicio disponible, pero quizá cambie la duración, el formato, los derechos o el comportamiento de generación. No presentes ambas salidas como intercambiables sin probarlas.

Para un fondo musical que vaya a publicarse, ElevenLabs ofrece una declaración comercial explícita que puedes contrastar con el plan. Para experimentar con una canción completa, Lyria 3.5 aporta voces y letras sincronizadas, pero sus términos de uso comercial no están especificados en la documentación indicada. Esa diferencia debería pesar tanto como el sonido en tu decisión.