Función
Modelos de chat que crean imágenes, vídeo y audio
En ClawAI un modelo de chat como Grok, GPT o Gemini puede generar imágenes, vídeo y audio mediante herramientas, esperar el resultado y escribir después su respuesta sobre él.
Todas las funciones · Última revisión:
Míralo en la app
Cada respuesta muestra qué modelo la escribió y por qué. 
Elige un modelo tú mismo o deja que AUTO elija.
El modelo pide, ClawAI crea, el modelo responde
Cuando tu mensaje requiere un medio, el modelo de chat puede llamar a una de tres herramientas: generar imagen, generar vídeo o generar audio. ClawAI ejecuta el modelo de medios, espera a que termine y devuelve el resultado al mismo modelo de chat, de modo que la respuesta que lees la escribió el modelo que vio lo creado. La imagen, el vídeo o el audio terminado aparece bajo la respuesta. Los modelos que no pueden llamar a herramientas conservan el atajo anterior, en el que otro modelo de medios responde la petición.
Funciona con Grok, GPT y Gemini
Cualquier modelo de chat que admita llamadas a herramientas puede usarlas, incluidos los modelos Grok, GPT y Gemini. Un modelo que no genera medios por sí mismo, como Claude, también puede pedirlos, porque los medios los crean modelos dedicados de imagen, vídeo y audio detrás de las herramientas y no el modelo de chat.
Imágenes, vídeo y audio
Las imágenes vienen de modelos de Gemini, OpenAI o xAI, el vídeo de Veo o Grok Imagine, y el audio como voz (voces de OpenAI o Gemini) o piezas musicales cortas (Gemini Lyria). Los modelos disponibles dependen de lo que el operador haya conectado. Un modelo de chat puede nombrar un modelo, pero solo uno de la lista conocida de la plataforma; cualquier otro vuelve al predeterminado.
Espera, límites y coste
La generación se mide como cualquier otra: consume la asignación de tu plan o tu crédito de pago por uso, y se rechaza si ninguno la cubre. Un turno que crea medios no se transmite palabra a palabra, porque el modelo debe esperar el resultado. Una respuesta puede crear hasta dos elementos y un mensaje hasta tres en la vista Comparar, cada uno con una espera acotada.
Preguntas frecuentes
- ¿Qué modelos de chat pueden crear medios?
- Cualquier modelo de chat que admita llamadas a herramientas, por ejemplo los modelos Grok, GPT y Gemini. Los medios los producen modelos de imagen, vídeo y audio detrás de las herramientas, así que un modelo que no los genera por sí mismo, como Claude, también puede pedirlos.
- ¿Dónde funciona?
- En el chat normal y en los carriles de Comparar. Los demás laboratorios de orquestación (consenso, escalado, mejor de N, etc.) aún no ofrecen las herramientas de medios; mantienen el comportamiento anterior, en el que una petición de imagen va a un modelo de imagen.
- ¿Cuánto cuesta?
- Cada generación se mide con la asignación de tu plan o tu crédito de pago por uso, además de los tokens del propio modelo de chat. La página de precios muestra lo que incluye cada plan.
Pruébalo en lugar de confiar en nuestra palabra
Los modelos de chat llaman a generate_image, generate_video y generate_audio; el servicio de imágenes crea el medio y el mismo modelo de chat escribe la respuesta, medido como cualquier otra generación.