Media sin salir del hilo
Claude genera la imagen del post, la voz en off del reel o la música de fondo y sigue trabajando con el fichero: lo redimensiona, le pega el logo, monta el carrusel.
OpenRouter
OpenRouter es una pasarela de pago por uso a modelos de texto, imagen, vídeo, voz y música de todos los laboratorios. Pega un prompt y Claude lo conecta; a partir de ahí puede generar una portada, una voz en off o un clip, o pedir una segunda opinión a otro modelo, sin que abras otra cuenta.
Documentos/openrouter-claudeClaude te preguntará qué quieres generar, añadirá el servidor MCP de OpenRouter, abrirá el navegador para que apruebes una clave dedicada y generará una imagen de prueba. Solo tienes que seguirle.
Cuando Claude confirme que está conectado, pídele cosas como:
Genera la portada de este post en 4:5, estilo editorial, con el titular dentro de la imagen
Ponle voz a este guion con acento de España, joven y con energía, y guárdalo en MP3
Pregúntale a Gemini y a GPT qué opinan de este texto y compara las dos respuestas
Mira este vídeo que he generado y dime si la voz dice exactamente el guion
Qué es, lo que el prompt monta por ti, qué modelos merecen la pena hoy y las trampas.
Una cuenta, un saldo de prepago y una API compatible con la de OpenAI. Cada modelo tiene un identificador tipo google/gemini-3.1-flash-image-preview y un precio por token, por imagen o por segundo de vídeo. OpenRouter enruta la petición a un proveedor que lo sirve y te cobra el coste real, que vuelve en el campo usage.
Para Claude Code hay dos puertas. El MCP oficial trabaja dentro de la sesión: generar imágenes, preguntar a cualquier modelo, comparar precios y rankings, mirar el saldo. La API es para scripts y apps, y para lo que el MCP no cubre (vídeo, voz, música, mandar un vídeo a un modelo).
Lo que cambia frente a una cuenta por laboratorio: un solo saldo, una clave por persona en la cuenta del equipo (el gasto se ve por clave y una clave se revoca sin cortar al resto) y un catálogo con rankings de terceros consultable por API, para elegir modelo con datos y no de memoria.
Claude genera la imagen del post, la voz en off del reel o la música de fondo y sigue trabajando con el fichero: lo redimensiona, le pega el logo, monta el carrusel.
send-message manda un prompt a Gemini, GPT o DeepSeek y Claude compara. Sirve para evaluar un borrador, desempatar, o que otro modelo juzgue un audio o un vídeo generado.
list-models, list-benchmarks y get-model devuelven precios, modalidades y rankings de terceros. Los modelos de imagen y voz cambian cada pocas semanas; consultar el catálogo gana a escribir uno a fuego.
microsoft/mai-image-2.6 para fotografía: 0,03 a 0,04 $ por imagen, unos 27 s, pero no acepta 4:5. google/gemini-3.1-flash-image-preview (Nano Banana 2) cuando necesitas 4:5 para carruseles de Instagram, texto dentro de la imagen o una edición desde una referencia: unos 0,07 $, y conserva la identidad de una persona al cambiarle el fondo o la ropa (verificado en 9 de 9 ediciones).
google/gemini-3.8-flash-tts: céntimos por frase. La dirección va en una etiqueta corta entre corchetes delante del texto, [Joven de Madrid, acento de España, rápido y con energía], y mueve carácter y acento; una instrucción en prosa se lee en voz alta, la etiqueta casi nunca. Devuelve PCM en bruto: ffmpeg -f s16le -ar 24000 -ac 1 -i voz.pcm voz.wav. Dos tomas del mismo texto varían ±12 % de duración, así que ajusta la duración después, no con speed.
heygen/avatar-iv: una foto más tu propio audio por URL HTTPS, 9:16 a 1080p, 0,05 $ por segundo sin mínimo, y el clip dura lo que el audio. expressiveness: "low" da el resultado más natural; súbelo a medium si quieres manos. Labios verificados en 1 a 3 fotogramas. Asíncrono: recibes un polling_url y bajas el fichero cuando status es completed.
google/lyria-3-clip-preview: 30 s de instrumental por 0,04 $, MP3 a 192 kbps. Va por chat/completions con stream: true y modalities: ["text","audio"]; el audio llega en delta.audio.data en base64. lyria-3-pro-preview para piezas largas.
google/gemini-3.8-flash por chat/completions con una parte video_url (un fichero local como data URL en base64, bajado antes con ffmpeg a 5 fps y 1280 px). Un clip de 12 s costó 0,0025 $ y lo transcribió, juzgó el acento y cazó artefactos (manos, dientes, texto inventado). Así se revisa un clip generado antes de publicarlo. Ve a ~1 fps, así que no juzga labios ni tempo.
Para clasificar, extraer o un fallback en tu propia app, filtra el catálogo en vez de adivinar: list-models con sort=intelligence-high-to-low, max_price=0.5 y min_tool_success_rate=0.9 devuelve los modelos por debajo de 0,50 $ por millón de tokens con tool calling por encima del 90 %. Apunta el SDK de OpenAI a https://openrouter.ai/api/v1 y el código no cambia.
Imágenes, segundas opiniones, catálogo y saldo desde la sesión. OAuth crea una clave dedicada para esta conexión.
generate-image, send-message, list-models, get-model, list-benchmarks, get-credits, get-generation, search-docs. Solo las dos primeras cobran. En claude.ai y Claude Desktop, añade la misma URL como conector personalizado.Todo lo que el MCP no hace: vídeo, voz, música, mandar un vídeo a un modelo, y cualquier script o app.
OPENROUTER_API_KEY).POST /api/v1/images (devuelve base64), POST /api/v1/videos (asíncrono: polling_url, luego bajar unsigned_urls[0]), POST /api/v1/audio/speech, POST /api/v1/chat/completions (texto, y vídeo o audio como entrada).GET /api/v1/images/models/<autor>/<slug>/endpoints lista sus parámetros; GET /api/v1/videos/models lista duraciones, resoluciones y precios. Un valor no soportado da 400 con la lista válida.| Modelo | Prepago: cargas saldo y cada generación descuenta su coste real (usage en la respuesta, o get-generation). |
| Imagen | 0,03 a 0,10 $ según modelo y resolución (2K lo dobla aproximadamente). |
| Vídeo | 0,08 a 0,40 $ por segundo (Kling ~0,11 $/s, Veo 3.1 0,40 $/s con audio). Un clip de 8 s puede costar de 1 a 3 $; un lote de variantes lo multiplica sin que se note. Anuncia el coste antes de lanzar. |
| Voz y música | Céntimos por frase; 0,04 $ por clip de música de 30 s; un avatar que habla, 0,05 $/s. |
| Ver un vídeo | 0,0025 $ por un clip de 12 s a 5 fps con Gemini Flash. |
limit de una clave es un techo de gasto, no saldo. El saldo vive a nivel de cuenta (/api/v1/credits); el endpoint de la clave solo enseña el uso de esa clave.provider: {"only": ["…"], "allow_fallbacks": false}. Con un vídeo de un tercero (un cliente), añade provider: {"zdr": true} para exigir endpoints sin retención de datos, y pídele permiso antes.