Funciones, precios e idoneidad
Compara Decagon Voice y Gemini Live API en funciones de voz, precios e idoneidad.
Compara Decagon Voice y Gemini Live para Agentes telefónicos con IA, y después contrasta los canales, flujos de trabajo y modelos de implementación con tu proceso de llamadas.
Agente de voz para atención al cliente con perfiles de voz configurables, llamadas salientes, resúmenes para derivación a personas, barreras de seguridad e integraciones con sistemas de soporte.
Equipos de soporte que necesitan automatización telefónica conectada a CRM, mesa de ayuda, base de conocimiento o sistemas CPaaS.
Explora sus criterios de compra: Agentes telefónicos con IA · IA para contact centers.
La API Gemini Live de Google transmite sesiones multimodales por WebSockets; sus modelos estables nativos para agentes de voz son Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking.
Desarrolladores que crean agentes conversacionales de baja latencia y necesitan audio nativo, entrada multimodal y llamadas a funciones en una sesión WebSocket persistente.
Explora sus criterios de compra: Agentes telefónicos con IA · Plataformas de IA de voz.
Decagon Voice se comprobó el 2026-09-04; Gemini Live, el 2026-09-28.
Usa la tabla siguiente para comparar el alcance documentado de cada proveedor.
Preguntas frecuentes de compradores
Decagon Voice: No se documenta públicamente Gemini Live: El uso estándar de Live API se factura por tokens: 3 USD por cada millón de tokens de audio de entrada (equivalente a 0,005 USD/min) y 12 USD por cada millón de tokens de audio de salida (equivalente a 0,018 USD/min), además del uso independiente de tokens de texto. El contexto acumulado de la sesión se factura en cada turno, por lo que los costes pueden aumentar con el historial de la conversación. Pide a ambos proveedores un presupuesto para la misma carga de trabajo, canales y alcance de implementación. Incluye suscripciones y uso antes de comparar totales.
Las fuentes de datos registradas para Decagon Voice incluyen No se documenta públicamente. Para Gemini Live, incluyen No se documenta públicamente. Pide a cada proveedor una demostración del acceso a los sistemas, los permisos, la actualización y el comportamiento ante fallos.
Usa las mismas llamadas representativas, instrucciones y reglas de escalamiento. Registra calidad, tareas completadas, derivaciones y coste total. Comprueba estas precauciones antes del lanzamiento: Decagon Voice: La información pública sobre la arquitectura de voz, telefonía, regiones, idiomas y tarifas es limitada; valídala con una prueba piloto acotada. Gemini Live: Google marca Live API como preliminar aunque los ID de ambos modelos Gemini 3.8 Live son estables. Las sesiones de audio nativo usan la modalidad de respuesta AUDIO; activa la transcripción de salida para obtener texto. Las sesiones solo de audio se limitan a 15 minutos y las de audio más vídeo, a 2 minutos, salvo que se amplíen mediante la gestión de sesiones. Las aplicaciones que conectan clientes con servidores necesitan tokens efímeros. El audio y el contexto acumulados se facturan en cada turno.
Registra tus requisitos y los resultados de la prueba piloto en la hoja de evaluación →
Desliza o desplaza la tabla para ver todas las columnas.
| Criterio | Decagon Voice | Gemini Live API |
|---|---|---|
| Tipo de proveedor | plataforma empresarial de agentes de atención al cliente | API de modelo multimodal nativo en tiempo real |
| Ideal para | Equipos de soporte que necesitan automatización telefónica conectada a CRM, mesa de ayuda, base de conocimiento o sistemas CPaaS. | Desarrolladores que crean agentes conversacionales de baja latencia y necesitan audio nativo, entrada multimodal y llamadas a funciones en una sesión WebSocket persistente. |
| Funciones principales | soporte por voz; automatización multicanal; flujos de trabajo; integraciones empresariales; analítica | modelos estables nativos para agentes de voz: gemini-3.8-live y gemini-3.8-live-extended-thinking; audio nativo bidireccional; entrada de texto, imagen y vídeo; llamadas a funciones; ejecución asíncrona de herramientas; controles de sesión y gestión de interrupciones |
| Tamaños de empresa | empresa mediana; gran empresa | empresas emergentes; empresa mediana; gran empresa; desarrolladores |
| Canales de llamadas | voz; chat; correo electrónico | WebSocket; aplicaciones del lado del servidor; aplicaciones cliente que usan tokens efímeros |
| Arquitectura de voz | No se documenta públicamente | Agentes nativos de audio: Gemini 3.8 Live (gemini-3.8-live) y Gemini 3.8 Live Extended Thinking (gemini-3.8-live-extended-thinking).; Modelos TTS independientes: gemini-3.8-flash-tts y gemini-3.8-flash-lite-tts generan voz; ninguno es un agente Live.; Endpoints de transcripción independientes: gemini-3.5-transcribe procesa archivos de audio; gemini-3.5-transcribe-live es un modo de voz a texto de Live API, no un agente conversacional.; Modo de traducción independiente: gemini-3.5-live-translate-preview funciona como intérprete de Live API para más de 70 idiomas; no es un agente conversacional y está en versión preliminar. |
| Telefonía | No se documenta públicamente | No se documenta públicamente |
| Controles de llamadas | No se documenta públicamente | No se documenta públicamente |
| Idiomas | No se documenta públicamente | La documentación de Live API menciona el japonés (ja) y la compatibilidad multilingüe; la salida de audio nativo puede cambiar de idioma de forma natural durante la conversación. La lista de idiomas admitidos no garantiza una calidad de llamada equivalente. Por separado, Transcribe incluye el japonés (ja-JP) entre más de 85 idiomas; Flash TTS incluye 130 idiomas y Flash-Lite TTS 101 (ambos admiten japonés); Live Translate en versión preliminar admite más de 70 idiomas. |
| Integraciones | No se documenta públicamente | No se documenta públicamente |
| Conocimiento y datos | No se documenta públicamente | No se documenta públicamente |
| Modelo de precios | No se documenta públicamente | El uso estándar de Live API se factura por tokens: 3 USD por cada millón de tokens de audio de entrada (equivalente a 0,005 USD/min) y 12 USD por cada millón de tokens de audio de salida (equivalente a 0,018 USD/min), además del uso independiente de tokens de texto. El contexto acumulado de la sesión se factura en cada turno, por lo que los costes pueden aumentar con el historial de la conversación. |
| Referencia de precios | No se documenta públicamente. | Las tarifas estándar de pago equivalen a 0,005 USD/min de audio de entrada y 0,018 USD/min de audio de salida; se facturan por separado, más los tokens de texto. Google también ofrece un nivel gratuito de la API. |
| Plan o prueba gratis | No se documenta públicamente | Gemini API incluye un nivel gratuito; el uso de Live de pago se factura por tokens. |
| Aspectos destacados | Decagon combina controles de turnos y perfiles de voz con resúmenes breves para derivación a personas, conectividad MCP/API y sincronización multicanal con CRM, mesa de ayuda y conocimiento. | Los modelos estables Gemini 3.8 Live combinan diálogo de audio nativo con llamadas a herramientas configurables en sesiones WebSocket persistentes; TTS, transcripción y traducción son modelos complementarios independientes. |
| Aspectos a verificar | La información pública sobre la arquitectura de voz, telefonía, regiones, idiomas y tarifas es limitada; valídala con una prueba piloto acotada. | Google marca Live API como preliminar aunque los ID de ambos modelos Gemini 3.8 Live son estables. Las sesiones de audio nativo usan la modalidad de respuesta AUDIO; activa la transcripción de salida para obtener texto. Las sesiones solo de audio se limitan a 15 minutos y las de audio más vídeo, a 2 minutos, salvo que se amplíen mediante la gestión de sesiones. Las aplicaciones que conectan clientes con servidores necesitan tokens efímeros. El audio y el contexto acumulados se facturan en cada turno. |
Equipos de soporte que necesitan automatización telefónica conectada a CRM, mesa de ayuda, base de conocimiento o sistemas CPaaS.
Decagon combina controles de turnos y perfiles de voz con resúmenes breves para derivación a personas, conectividad MCP/API y sincronización multicanal con CRM, mesa de ayuda y conocimiento.
Desarrolladores que crean agentes conversacionales de baja latencia y necesitan audio nativo, entrada multimodal y llamadas a funciones en una sesión WebSocket persistente.
Los modelos estables Gemini 3.8 Live combinan diálogo de audio nativo con llamadas a herramientas configurables en sesiones WebSocket persistentes; TTS, transcripción y traducción son modelos complementarios independientes.
Antes de comprar, confirma directamente con cada proveedor los precios, límites, medidas de seguridad e integraciones necesarias.
Prueba el reconocimiento, la calidad de la voz, las interrupciones, el cambio de idioma, el uso de herramientas y la transferencia a una persona con llamadas propias en el idioma necesario. La disponibilidad puede variar según el modelo, el plan y la ruta telefónica.
DocsBot documenta flujos de voz multilingües y compatibilidad con japonés. Verifica la voz concreta, la ruta telefónica y el comportamiento de la transferencia en tu prueba piloto. Consultar la información sobre idiomas de DocsBot ↗
Las afirmaciones de otros proveedores sobre idiomas proceden de las fuentes citadas; confirma directamente con cada uno la compatibilidad con japonés y los demás idiomas necesarios.
La inclusión no supone una recomendación ni garantiza el rendimiento. Este directorio lo publica DocsBot. Política editorial
Tu empresa. Tu selección.
Empieza por el sitio web de tu empresa. Responde unas preguntas concretas y recibe un PDF personalizado con recomendaciones, ventajas y desventajas, alternativas y un plan piloto para tus llamadas.
