Pular para o conteúdo
LLM Pricing Calc
Preços de LLM verificados em Tarifas dos provedores de voz

Calculadora de Custo de Agente de Voz com IA: por Minuto e por Chamada

Estime quanto custa um agente de voz ou de telefone com IA por minuto, por chamada e por mês considerando toda a stack de STT, LLM, TTS e telefonia, com ou sem a taxa de plataforma da Vapi ou da Retell.

Twilio EUA ≈ $0,014 · Telnyx ≈ $0,007 · Web 0

Vapi ≈ $0,05 · Retell ≈ $0,07 · DIY 0

Configurações avançadas da conversa
Prompt caching

Custo por minuto

$0.0381

Custo por chamada

$0.1524

Total mensal

$2,318

Para onde vai o dinheiro

ComponentePor minutoPor chamadaMensalParticipação
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 + plataforma$0.014$0.056$851.7637%

LLM: 16 turnos por chamada, 42.000 tokens de input relidos ao longo da chamada.

Tarifas de tabela pay-as-you-go para uso em tempo real (streaming). Descontos por volume e planos enterprise são mais baixos. O TTS é cobrado por caractere; convertemos usando ~150 palavras faladas por minuto (~825 caracteres por minuto de fala do agente).

Preços oficiais: Deepgram ↗ · OpenAI ↗ · AssemblyAI ↗ · ElevenLabs ↗ · Cartesia ↗ · Twilio ↗ · Telnyx ↗ · Vapi ↗ · Retell ↗

LLM: Preços oficiais ↗

Guia

Quanto custa um agente de voz com IA por minuto

Um agente de telefone com IA é um pipeline de quatro serviços cobrados por uso rodando em loop: o speech-to-text (STT) transcreve quem liga, um LLM decide o que dizer, o text-to-speech (TTS) fala a resposta e uma operadora de telefonia conecta a chamada. Cada um é cobrado de um jeito (por minuto de áudio, por token, por caractere e por minuto de chamada), e é por isso que é difícil comparar preços de IA de voz à primeira vista. A calculadora converte tudo para um custo por minuto. Com os valores padrão acima (500 chamadas por dia, de 4 minutos cada), a stack custa cerca de $0.0381 por minuto, ou $2,318 por mês.

Speech-to-text (STT)

O STT é cobrado por minuto de áudio, e a chamada inteira é transcrita, esteja quem ligou falando ou não. As tarifas nesta calculadora vão de $0.001 a $0.0077 por minuto. O streaming importa mais que o preço: a transcrição em batch é mais barata, mas um agente ao vivo precisa de transcrições parciais em poucas centenas de milissegundos para parecer responsivo.

LLM

O LLM costuma ser o menor item da conta porque as respostas faladas são curtas, mas ele se comporta como qualquer agente multi-turn: cada turno reenvia o system prompt e a conversa até ali. Com 4 turnos por minuto, uma chamada de 4 minutos faz 16 chamadas ao LLM e relê 42.000 tokens de input. O prompt caching mantém isso barato. Chamadas longas com system prompts grandes e sem cache são onde o custo do LLM dispara. A calculadora de preço de LLM modela o mesmo crescimento de contexto para agentes de texto, e a tabela de preços de LLMs lista as tarifas por token por trás da lista de LLMs.

Text-to-speech (TTS)

O TTS é cobrado por caractere gerado, apenas na parte da chamada em que o agente está falando. Com cerca de 825 caracteres por minuto falado e o agente falando 45% do tempo, um minuto de chamada precisa de ~371 caracteres. Isso coloca o TTS entre $0.00556 e $0.0371 por minuto de chamada, dependendo da voz, e as vozes premium muitas vezes são o maior custo individual da stack.

Telefonia e taxas de plataforma

Operadoras como Twilio e Telnyx cobram $0.007–$0.014 por minuto para voz nos EUA, e um agente WebRTC em um navegador ou app dispensa esse custo por completo. Plataformas gerenciadas como Vapi e Retell acrescentam uma taxa de orquestração de $0.05–$0.07 por minuto além dos provedores de base. Essa taxa cobre a troca de turnos, o tratamento de interrupções, a transferência de chamadas e analytics, coisas que exigem um esforço real de engenharia para construir. Use o campo de plataforma para comparar uma stack gerenciada com uma construída por você.

Como otimizar a latência e o gasto de um agente de voz

Voz é o único caso de uso de LLM em que a latência importa tanto quanto o preço. Quem liga espera uma resposta em cerca de 800 ms depois de terminar uma frase, e esse tempo é dividido entre a finalização do STT, o tempo até o primeiro token do LLM e o tempo até o primeiro áudio do TTS. As opções mais baratas muitas vezes também são as mais rápidas:

  • Escolha um LLM rápido, intermediário ou econômico. Modelos topo de linha e de raciocínio acrescentam segundos de raciocínio e custam várias vezes mais por token, com pouco benefício para chamadas roteirizadas.
  • Faça streaming de tudo. STT em streaming, streaming de tokens do LLM e TTS em streaming sobrepõem as etapas em vez de executá-las uma depois da outra.
  • Mantenha o system prompt curto e em cache. Menos tokens de input por turno significa um primeiro token mais rápido e uma conta de LLM menor.
  • Adeque a voz à chamada. Use vozes de TTS premium em vendas e chamadas sensíveis para a marca, e vozes mais baratas em lembretes, pesquisas e suporte de rotina.
  • Encerre as chamadas de forma limpa. Detecte caixa postal e silêncio cedo e desligue quando a tarefa terminar; cada minuto ocioso continua pagando STT e telefonia.
  • Negocie com base no volume. Acima de cerca de 100 mil minutos por mês, os provedores de STT, TTS e plataforma oferecem descontos por compromisso de uso.

Em volumes muito altos, hospedar o LLM ou um modelo Whisper por conta própria em uma GPU dedicada pode sair mais barato que pagar por token ou por minuto. A calculadora de ponto de equilíbrio entre API e self-hosting mostra onde fica esse ponto de virada, e a calculadora de VRAM para LLM diz qual GPU você precisaria.

Mais ferramentas de custo de IA

Perguntas frequentes sobre custo de agente de voz

Quanto custa um agente de voz com IA por minuto?

Uma stack própria (STT em streaming + um LLM intermediário rápido + um TTS de baixa latência + Twilio) costuma custar de $0,03 a $0,10 por minuto. Plataformas gerenciadas como Vapi ou Retell acrescentam uma taxa de plataforma de $0,05 a $0,07/min, então custos totais de $0,10 a $0,20 por minuto são comuns.

Qual parte de um agente de voz custa mais?

Normalmente o text-to-speech. Vozes premium como as da ElevenLabs podem representar de 40% a 60% da conta. O LLM costuma ser mais barato do que as pessoas imaginam, porque as respostas de voz são curtas. Ainda assim, o custo dele cresce com a duração da chamada, já que cada turno reenvia a conversa inteira.

Como é calculado o custo do LLM em uma chamada de voz?

Estimamos turnos = turnos por minuto × duração da chamada. Cada turno envia o system prompt mais a conversa até ali e gera uma resposta curta. Com o prompt caching ativado, tudo exceto a troca mais recente é cobrado pela tarifa de cache.

Como os caracteres de TTS são estimados?

As pessoas falam cerca de 150 palavras por minuto, aproximadamente 825 caracteres. Multiplicamos isso pela parcela da chamada em que o agente está falando (45% por padrão) e pela duração da chamada, e aplicamos a tarifa do provedor por 1.000 caracteres.

Quanto custa um agente de telefone com IA por mês?

Multiplique o custo por minuto pelos minutos de chamada por mês. Com os valores padrão desta página (500 chamadas por dia, de 4 minutos cada, sem taxa de plataforma), um agente de chamadas com IA custa cerca de $0.0381 por minuto, $0.1524 por chamada e $2,318 por mês. Acrescentar uma taxa de plataforma da Vapi ou da Retell de $0.05–$0.07 por minuto aumenta esse valor de forma significativa em volumes altos.

Vapi ou Retell sai mais barato do que montar minha própria stack de voz?

Por minuto, não: as plataformas gerenciadas cobram a taxa de orquestração além dos custos de STT, LLM, TTS e telefonia. No geral, elas costumam sair mais baratas para equipes pequenas, porque construir troca de turnos, tratamento de interrupções, transferência de chamadas e monitoramento confiáveis leva meses de engenharia. Montar a própria stack normalmente compensa a partir de dezenas de milhares de minutos por mês.

Como reduzir os custos de um agente de voz?

Use uma voz de TTS mais barata para chamadas de rotina, mantenha o system prompt curto e em cache, escolha um LLM intermediário rápido em vez de um topo de linha, encerre as chamadas sem demora e negocie preços por volume quando passar de ~100 mil minutos por mês.