El tiempo real compra latencia, no ahorros
Los modelos de voz a voz parecen mágicos, pero los tokens de audio cuestan más. Si el costo importa más que la latencia, gana una canalización en cascada: póngale precio en función del precio. Calculadora de costos de agentes de voz con IA.
Lo que cuesta un minuto de conversación de voz con IA
Las API de voz a voz facturan tokens de audio en ambas direcciones: aproximadamente entre 0,06 y 0,30 dólares por minuto de conversación, dependiendo del nivel del modelo, que se anualiza rápidamente hasta alcanzar cifras dolorosas: un robot de soporte que maneja 1.000 llamadas de diez minutos al mes cuesta entre 600 y 3.000 dólares sólo en costos de modelo. La alternativa en cascada (STT → LLM → TTS) cuesta entre 0,02 y 0,08 dólares por minuto, pero agrega entre 1 y 3 segundos de latencia, que la investigación de UX de conversación señala constantemente como el umbral en el que los usuarios comienzan a hablar a través del bot. La prima en tiempo real es una compra de latencia: vale la pena por un diálogo genuino, desperdiciado en flujos de menú estilo IVR.