가이드
AI 음성 에이전트의 분당 비용
AI 전화 에이전트는 루프로 동작하는 네 가지 종량제 서비스의 파이프라인입니다. 음성 인식(STT)이 발신자의 말을 받아 적고, LLM이 할 말을 정하고, 음성 합성(TTS)이 답변을 읽어 주며, 통신사가 통화를 연결합니다. 각각 과금 방식이 다르기 때문에(오디오 분당, 토큰당, 글자당, 통화 분당) 음성 AI 요금은 한눈에 비교하기 어렵습니다. 이 계산기는 모든 비용을 분당 비용으로 환산합니다. 위의 기본값(하루 500통, 통화당 4분) 기준으로 스택 비용은 약 분당 $0.0381, 월 $2,318입니다.
음성 인식(STT)
STT는 오디오 분당 과금되며, 발신자가 말하고 있는지와 관계없이 통화 전체가 전사됩니다. 이 계산기의 요금은 분당 $0.001에서 $0.0077까지입니다. 가격보다 스트리밍 지원이 더 중요합니다. 배치 전사가 더 저렴하지만, 실시간 에이전트가 자연스럽게 반응하려면 수백 밀리초 안에 부분 전사 결과가 나와야 합니다.
LLM
음성 답변은 짧기 때문에 LLM은 보통 가장 작은 비용 항목이지만, 다른 멀티턴 에이전트와 똑같이 동작합니다. 매 턴마다 시스템 프롬프트와 지금까지의 대화를 다시 보냅니다. 분당 4턴이라면 4분 통화에서 LLM을 16번 호출하고 입력 토큰 42,000개를 다시 읽습니다. 프롬프트 캐싱을 쓰면 이 비용을 낮게 유지할 수 있습니다. 시스템 프롬프트가 크고 캐싱 없이 긴 통화를 할 때 LLM 비용이 올라갑니다. LLM 가격 계산기는 텍스트 에이전트에 대해 같은 컨텍스트 증가를 모델링하며, LLM 가격표에서 LLM 드롭다운의 토큰당 요금을 확인할 수 있습니다.
음성 합성(TTS)
TTS는 생성된 글자 수로 과금되며, 통화 중 에이전트가 말하는 부분에만 해당합니다. 발화 1분당 약 825자, 에이전트 발화 비율 45%를 가정하면 통화 1분에 약 371자가 필요합니다. 따라서 TTS 비용은 음성에 따라 통화 1분당 $0.00556에서 $0.0371 사이이며, 프리미엄 음성은 스택에서 단일 항목으로 가장 큰 비용인 경우가 많습니다.
전화망 및 플랫폼 수수료
Twilio, Telnyx 같은 통신사는 미국 음성 통화에 분당 $0.007–$0.014를 부과하며, 브라우저나 앱의 WebRTC 에이전트라면 이 비용이 전혀 들지 않습니다. Vapi, Retell 같은 매니지드 플랫폼은 기반 제공업체 비용 위에 분당 $0.05–$0.07의 오케스트레이션 수수료를 더합니다. 이 수수료로 턴 테이킹, 끼어들기(인터럽션) 처리, 통화 전환, 분석 기능을 얻는데, 이를 직접 구축하려면 상당한 엔지니어링 노력이 필요합니다. 플랫폼 필드를 이용해 매니지드 스택과 직접 구축한 스택을 비교해 보세요.
음성 에이전트의 지연 시간과 비용을 최적화하는 방법
음성은 가격만큼이나 지연 시간이 중요한 유일한 LLM 활용 사례입니다. 발신자는 문장을 마친 뒤 약 800 ms 안에 답을 기대하며, 이 시간 예산을 STT 확정, LLM의 첫 토큰까지의 시간, TTS의 첫 오디오까지의 시간이 나눠 씁니다. 가장 저렴한 선택이 가장 빠른 선택인 경우도 많습니다:
- 빠른 중급 또는 저가 LLM을 고르세요. 플래그십 모델과 추론 모델은 생각하는 데 몇 초가 더 걸리고 토큰당 비용도 몇 배 비싸지만, 정해진 스크립트의 통화에서는 이점이 거의 없습니다.
- 모든 것을 스트리밍하세요. 스트리밍 STT, LLM의 토큰 스트리밍, 스트리밍 TTS를 쓰면 각 단계를 순차적으로 실행하는 대신 겹쳐서 처리할 수 있습니다.
- 시스템 프롬프트는 짧게, 그리고 캐시하세요. 턴당 입력 토큰이 적을수록 첫 토큰이 빨라지고 LLM 비용도 줄어듭니다.
- 통화 유형에 맞는 음성을 쓰세요. 영업이나 브랜드 이미지가 중요한 통화에는 프리미엄 TTS 음성을, 알림, 설문, 일상적인 지원에는 저렴한 음성을 쓰세요.
- 통화를 깔끔하게 종료하세요. 음성 사서함과 무음을 일찍 감지하고 작업이 끝나면 전화를 끊으세요. 대기 중인 1분에도 STT와 전화망 요금은 나갑니다.
- 규모가 커지면 협상하세요. 월 약 100K분을 넘으면 STT, TTS, 플랫폼 제공업체 모두 약정 사용 할인을 제공합니다.
사용량이 매우 많다면 전용 GPU에서 LLM이나 Whisper 모델을 셀프 호스팅하는 편이 토큰당 또는 분당 과금보다 저렴할 수 있습니다. API vs 셀프 호스팅 손익분기점 계산기로 전환 지점을 확인하고, LLM VRAM 계산기로 필요한 GPU를 알아보세요.