Vai al contenuto
LLM Pricing Calc
Ultima verifica prezzi LLM Tariffe provider vocali

Calcolatore costi agente vocale AI: costo al minuto e per chiamata

Stima quanto costa un agente telefonico o vocale AI al minuto, per chiamata e al mese sull'intero stack STT, LLM, TTS e telefonia, con o senza la fee di piattaforma di Vapi o Retell.

Twilio USA ≈ $0.014 · Telnyx ≈ $0.007 · Web 0

Vapi ≈ $0.05 · Retell ≈ $0.07 · DIY 0

Impostazioni avanzate della conversazione
Prompt caching

Costo al minuto

$0.0381

Costo per chiamata

$0.1524

Totale mensile

$2,318

Dove vanno i soldi

ComponenteAl minutoPer chiamataMensileQuota
Speech-to-text$0.0077$0.0308$468.4720%
LLM$0.0023$0.00918$139.636%
Text-to-speech$0.0141$0.0564$858.3037%
Telefonia + piattaforma$0.014$0.056$851.7637%

LLM: 16 turni per chiamata, 42.000 token di input riletti nel corso della chiamata.

Tariffe di listino a consumo per l'uso in tempo reale (streaming). Sconti a volume e piani enterprise sono più bassi. Il TTS è fatturato a carattere; convertiamo usando ~150 parole parlate al minuto (~825 caratteri per minuto di parlato dell'agente).

Prezzi ufficiali: Deepgram ↗ · OpenAI ↗ · AssemblyAI ↗ · ElevenLabs ↗ · Cartesia ↗ · Twilio ↗ · Telnyx ↗ · Vapi ↗ · Retell ↗

LLM: Prezzi ufficiali ↗

Guida

Quanto costa al minuto un agente vocale AI

Un agente telefonico AI è una pipeline di quattro servizi a consumo che girano in loop: lo speech-to-text (STT) trascrive chi chiama, un LLM decide cosa dire, il text-to-speech (TTS) pronuncia la risposta e un operatore di telefonia collega la chiamata. Ognuno è fatturato in modo diverso (per minuto di audio, per token, per carattere e per minuto di chiamata), ed è per questo che i prezzi della voice AI sono difficili da confrontare a colpo d'occhio. Il calcolatore converte tutto in un costo al minuto. Con i valori predefiniti qui sopra (500 chiamate al giorno, 4 minuti ciascuna), lo stack costa circa $0.0381 al minuto, ovvero $2,318 al mese.

Speech-to-text (STT)

L'STT è fatturato per minuto di audio, e l'intera chiamata viene trascritta, che chi chiama stia parlando o meno. Le tariffe in questo calcolatore vanno da $0.001 a $0.0077 al minuto. Lo streaming conta più del prezzo: la trascrizione in batch costa meno, ma un agente dal vivo ha bisogno di trascrizioni parziali entro poche centinaia di millisecondi per risultare reattivo.

LLM

L'LLM è di solito la voce di costo più piccola perché le risposte parlate sono brevi, ma si comporta come qualsiasi agente multi-turno: ogni turno reinvia il system prompt e la conversazione fino a quel momento. Con 4 turni al minuto, una chiamata di 4 minuti effettua 16 chiamate all'LLM e rilegge 42.000 token di input. Il prompt caching mantiene basso questo costo. Le chiamate lunghe con system prompt grandi e senza caching sono quelle in cui il costo dell'LLM sale. Il calcolatore prezzi LLM modella la stessa crescita del contesto per gli agenti testuali, e la tabella prezzi LLM elenca le tariffe per token alla base del menu a tendina LLM.

Text-to-speech (TTS)

Il TTS è fatturato per carattere generato, solo per la parte di chiamata in cui l'agente parla. Con circa 825 caratteri per minuto parlato e un tempo di parola dell'agente pari a 45% della chiamata, un minuto di chiamata richiede ~371 caratteri. Questo porta il TTS tra $0.00556 e $0.0371 per minuto di chiamata a seconda della voce, e le voci premium sono spesso la voce di costo più alta dell'intero stack.

Telefonia e fee di piattaforma

Operatori come Twilio e Telnyx applicano $0.007–$0.014 al minuto per le chiamate vocali negli USA, mentre un agente WebRTC in un browser o in un'app evita del tutto questo costo. Piattaforme gestite come Vapi e Retell aggiungono una fee di orchestrazione di $0.05–$0.07 al minuto oltre ai costi dei provider sottostanti. Quella fee copre gestione dei turni di parola, gestione delle interruzioni, trasferimento di chiamata e analytics, che richiedono un notevole lavoro di sviluppo. Usa il campo piattaforma per confrontare uno stack gestito con uno costruito in proprio.

Come ottimizzare latenza e spesa di un agente vocale

La voce è l'unico caso d'uso degli LLM in cui la latenza conta quanto il prezzo. Chi chiama si aspetta una risposta entro circa 800 ms dalla fine di una frase, e quel budget è condiviso tra la finalizzazione dell'STT, il time to first token dell'LLM e il time to first audio del TTS. Le scelte più economiche sono spesso anche le più veloci:

  • Scegli un LLM veloce di fascia media o economico. I modelli di punta e di ragionamento aggiungono secondi di elaborazione e costano parecchie volte di più per token, con pochi benefici per chiamate guidate da uno script.
  • Usa lo streaming ovunque. STT in streaming, streaming dei token dall'LLM e TTS in streaming sovrappongono le fasi invece di eseguirle una dopo l'altra.
  • Mantieni il system prompt breve e in cache. Meno token di input per turno significano un primo token più veloce e una bolletta LLM più bassa.
  • Adatta la voce alla chiamata. Usa voci TTS premium per vendite e chiamate legate al brand, e voci più economiche per promemoria, sondaggi e assistenza di routine.
  • Chiudi le chiamate in modo pulito. Rileva subito segreteria e silenzi, e riaggancia quando il compito è concluso; ogni minuto inattivo paga comunque STT e telefonia.
  • Negozia sui volumi. Oltre circa 100.000 minuti al mese, i provider di STT, TTS e piattaforma offrono tutti sconti per impegno di utilizzo.

A volumi molto alti, fare self-hosting dell'LLM o di un modello Whisper su una GPU dedicata può costare meno del prezzo a token o al minuto. Il calcolatore di break-even API vs self-hosting mostra dove si trova quel punto di pareggio, e il calcolatore VRAM per LLM ti dice quale GPU ti servirebbe.

Altri strumenti sui costi AI

FAQ sui costi degli agenti vocali

Quanto costa al minuto un agente vocale AI?

Uno stack costruito in proprio (STT in streaming + un LLM veloce di fascia media + un TTS a bassa latenza + Twilio) costa in genere $0.03–$0.10 al minuto. Piattaforme gestite come Vapi o Retell aggiungono una fee di piattaforma di $0.05–$0.07/min, quindi costi complessivi di $0.10–$0.20 al minuto sono comuni.

Quale parte di un agente vocale costa di più?

Di solito il text-to-speech. Le voci premium come ElevenLabs possono arrivare al 40–60% della bolletta. L'LLM costa spesso meno di quanto si pensi, perché le risposte vocali sono brevi. Il suo costo però cresce con la durata della chiamata, dato che ogni turno reinvia l'intera conversazione.

Come si calcola il costo dell'LLM per una chiamata vocale?

Stimiamo i turni = turni al minuto × durata della chiamata. Ogni turno invia il system prompt più la conversazione fino a quel momento e genera una breve risposta. Con il prompt caching attivo, tutto tranne l'ultimo scambio è fatturato alla tariffa cache.

Come vengono stimati i caratteri del TTS?

Si parla a circa 150 parole al minuto, all'incirca 825 caratteri. Moltiplichiamo questo valore per la quota di chiamata in cui parla l'agente (45% di default) e per la durata della chiamata, poi applichiamo la tariffa del provider per 1.000 caratteri.

Quanto costa al mese un agente telefonico AI?

Moltiplica il costo al minuto per i minuti di chiamata mensili. Con i valori predefiniti di questa pagina (500 chiamate al giorno, 4 minuti ciascuna, nessuna fee di piattaforma) un agente telefonico AI costa circa $0.0381 al minuto, $0.1524 per chiamata e $2,318 al mese. Aggiungere una fee di piattaforma Vapi o Retell di $0.05–$0.07 al minuto fa salire sensibilmente il totale ad alti volumi.

Vapi o Retell costano meno che costruire il mio stack vocale?

Al minuto no: le piattaforme gestite applicano la loro fee di orchestrazione oltre ai costi di STT, LLM, TTS e telefonia. Per i team piccoli però spesso costano meno nel complesso, perché costruire una gestione affidabile dei turni di parola, delle interruzioni, del trasferimento di chiamata e del monitoraggio richiede mesi di sviluppo. Costruire in proprio di solito conviene a partire da decine di migliaia di minuti al mese.

Come posso ridurre i costi di un agente vocale?

Usa una voce TTS più economica per le chiamate di routine, mantieni il system prompt breve e in cache, scegli un LLM veloce di fascia media invece di un modello di punta, chiudi le chiamate tempestivamente e negozia prezzi a volume una volta superati ~100.000 minuti al mese.