Saltar al contenido
LLM Pricing Calc
Precios de LLM verificados por última vez Tarifas de proveedores de voz

Calculadora de costos de agentes de voz con IA: por minuto y por llamada

Calcula cuánto cuesta un agente telefónico o de voz con IA por minuto, por llamada y al mes con todo el stack de STT, LLM, TTS y telefonía, con o sin la tarifa de plataforma de Vapi o Retell.

Twilio EE. UU. ≈ $0.014 · Telnyx ≈ $0.007 · Web 0

Vapi ≈ $0.05 · Retell ≈ $0.07 · Propio 0

Ajustes avanzados de conversación
Caché de prompts

Costo por minuto

$0.0381

Costo por llamada

$0.1524

Total mensual

$2,318

En qué se va el dinero

ComponentePor minutoPor llamadaMensualProporción
Voz a texto$0.0077$0.0308$468.4720%
LLM$0.0023$0.00918$139.636%
Texto a voz$0.0141$0.0564$858.3037%
Telefonía + plataforma$0.014$0.056$851.7637%

LLM: 16 turnos por llamada, 42.000 tokens de entrada releídos a lo largo de la llamada.

Tarifas de lista de pago por uso para uso en tiempo real (streaming). Los descuentos por volumen y los planes empresariales son más bajos. El TTS se factura por carácter; lo convertimos usando ~150 palabras habladas por minuto (~825 caracteres por minuto de habla del agente).

Precios oficiales: Deepgram ↗ · OpenAI ↗ · AssemblyAI ↗ · ElevenLabs ↗ · Cartesia ↗ · Twilio ↗ · Telnyx ↗ · Vapi ↗ · Retell ↗

LLM: Precios oficiales ↗

Guía

Cuánto cuesta por minuto un agente de voz con IA

Un agente telefónico con IA es un pipeline de cuatro servicios medidos que funcionan en bucle: la transcripción de voz a texto (STT) transcribe a quien llama, un LLM decide qué decir, la síntesis de texto a voz (TTS) pronuncia la respuesta y un operador de telefonía conecta la llamada. Cada uno se factura de forma distinta (por minuto de audio, por token, por carácter y por minuto de llamada), por eso los precios de la IA de voz son difíciles de comparar de un vistazo. La calculadora lo convierte todo a un costo por minuto. Con los valores predeterminados de arriba (500 llamadas al día, de 4 minutos cada una), el stack cuesta unos $0.0381 por minuto, o $2,318 al mes.

Voz a texto (STT)

El STT se factura por minuto de audio, y se transcribe la llamada completa, hable o no quien llama. Las tarifas de esta calculadora van de $0.001 a $0.0077 por minuto. El streaming importa más que el precio: la transcripción por lotes es más barata, pero un agente en directo necesita transcripciones parciales en unos pocos cientos de milisegundos para resultar ágil.

LLM

El LLM suele ser la partida más pequeña porque las respuestas habladas son cortas, pero se comporta como cualquier agente multiturno: cada turno reenvía el prompt de sistema y la conversación hasta ese momento. A 4 turnos por minuto, una llamada de 4 minutos hace 16 llamadas al LLM y relee 42.000 tokens de entrada. La caché de prompts mantiene ese costo bajo. Las llamadas largas con prompts de sistema grandes y sin caché son donde se dispara el costo del LLM. La calculadora de precios de LLM modela el mismo crecimiento del contexto para agentes de texto, y la tabla de precios de LLM recoge las tarifas por token que hay detrás del desplegable de LLM.

Texto a voz (TTS)

El TTS se factura por carácter generado, solo durante la parte de la llamada en la que habla el agente. Con unos 825 caracteres por minuto hablado y el agente hablando el 45% del tiempo, cada minuto de llamada necesita ~371 caracteres. Eso sitúa el TTS entre $0.00556 y $0.0371 por minuto de llamada según la voz, y las voces premium suelen ser el mayor costo individual del stack.

Telefonía y tarifas de plataforma

Operadores como Twilio y Telnyx cobran $0.007–$0.014 por minuto por llamadas de voz en EE. UU., y un agente WebRTC en un navegador o una app se ahorra este costo por completo. Las plataformas gestionadas como Vapi y Retell añaden una tarifa de orquestación de $0.05–$0.07 por minuto sobre los proveedores subyacentes. Esa tarifa incluye la gestión de turnos, el manejo de interrupciones, la transferencia de llamadas y la analítica, que requieren un esfuerzo de ingeniería considerable para construirse. Usa el campo de plataforma para comparar un stack gestionado con uno propio.

Cómo optimizar la latencia y el gasto de un agente de voz

La voz es el único caso de uso de LLM en el que la latencia importa tanto como el precio. Quien llama espera una respuesta unos 800 ms después de terminar una frase, y ese margen se reparte entre la finalización del STT, el tiempo hasta el primer token del LLM y el tiempo hasta el primer audio del TTS. Las opciones más baratas suelen ser también las más rápidas:

  • Elige un LLM rápido de gama media o económico. Los modelos insignia y de razonamiento añaden segundos de reflexión y cuestan varias veces más por token, con poco beneficio en llamadas guionizadas.
  • Usa streaming en todo. El STT en streaming, el streaming de tokens del LLM y el TTS en streaming solapan las etapas en lugar de ejecutarlas una tras otra.
  • Mantén el prompt de sistema corto y en caché. Menos tokens de entrada por turno significa un primer token más rápido y una factura de LLM más baja.
  • Adapta la voz a la llamada. Usa voces TTS premium para ventas y llamadas sensibles para la marca, y voces más baratas para recordatorios, encuestas y soporte rutinario.
  • Cierra bien las llamadas. Detecta pronto el buzón de voz y los silencios, y cuelga cuando la tarea esté hecha; cada minuto inactivo sigue pagando STT y telefonía.
  • Negocia por volumen. A partir de unos 100.000 minutos al mes, los proveedores de STT, TTS y plataforma ofrecen descuentos por compromiso de uso.

Con volúmenes muy altos, alojar tú mismo el LLM o un modelo Whisper en una GPU dedicada puede salir más barato que pagar por token o por minuto. La calculadora del punto de equilibrio entre API y self-hosting muestra dónde está ese punto de cruce, y la calculadora de VRAM para LLM te dice qué GPU necesitarías.

Más herramientas de costos de IA

Preguntas frecuentes sobre el costo de agentes de voz

¿Cuánto cuesta por minuto un agente de voz con IA?

Un stack propio (STT en streaming + un LLM rápido de gama media + un TTS de baja latencia + Twilio) suele costar entre $0.03 y $0.10 por minuto. Las plataformas gestionadas como Vapi o Retell añaden encima una tarifa de plataforma de $0.05–$0.07/min, así que es habitual un costo total de $0.10–$0.20 por minuto.

¿Qué parte de un agente de voz cuesta más?

Normalmente, la síntesis de texto a voz. Las voces premium como ElevenLabs pueden suponer el 40–60% de la factura. El LLM suele ser más barato de lo que se espera, porque las respuestas de voz son cortas. Aun así, su costo crece con la duración de la llamada, ya que cada turno reenvía toda la conversación.

¿Cómo se calcula el costo del LLM en una llamada de voz?

Estimamos los turnos = turnos por minuto × duración de la llamada. Cada turno envía el prompt de sistema más la conversación hasta ese momento y genera una respuesta corta. Con la caché de prompts activada, todo salvo el intercambio más reciente se factura a la tarifa de caché.

¿Cómo se estiman los caracteres de TTS?

Las personas hablan unas 150 palabras por minuto, aproximadamente 825 caracteres. Lo multiplicamos por la proporción de la llamada en la que habla el agente (45% por defecto) y por la duración de la llamada, y luego aplicamos la tarifa del proveedor por cada 1000 caracteres.

¿Cuánto cuesta al mes un agente telefónico con IA?

Multiplica el costo por minuto por los minutos de llamada mensuales. Con los valores predeterminados de esta página (500 llamadas al día, de 4 minutos cada una, sin tarifa de plataforma), un agente de llamadas con IA cuesta unos $0.0381 por minuto, $0.1524 por llamada y $2,318 al mes. Añadir una tarifa de plataforma de Vapi o Retell de $0.05–$0.07 por minuto lo encarece considerablemente con volúmenes altos.

¿Vapi o Retell salen más baratos que construir mi propio stack de voz?

Por minuto, no: las plataformas gestionadas cobran su tarifa de orquestación además de los costos de STT, LLM, TTS y telefonía. Para equipos pequeños, en conjunto suelen salir más baratas, porque construir una gestión de turnos, un manejo de interrupciones, una transferencia de llamadas y una monitorización fiables lleva meses de ingeniería. Construirlo uno mismo suele compensar a partir de decenas de miles de minutos al mes.

¿Cómo puedo reducir los costos de un agente de voz?

Usa una voz TTS más barata para las llamadas rutinarias, mantén el prompt de sistema corto y en caché, elige un LLM rápido de gama media en lugar de un modelo insignia, termina las llamadas a tiempo y negocia precios por volumen cuando superes los ~100.000 minutos al mes.