Directorio de proveedores de agentes de voz con IA
Busca y filtra proveedores por los aspectos que influyen en el lanzamiento: caso de uso, adecuación al equipo, canales de interacción por voz, telefonía, entorno de ejecución, controles e indicios de precio.
Agentes de voz para web y teléfono fundamentados en conocimiento, con modelos de audio nativos en tiempo real, herramientas empresariales, captación de clientes potenciales, programación de citas y transferencia a una persona.
es un chatbot increíblemente flexible y puedo ajustar EXACTAMENTE lo que necesito que sepa el bot Karson M. en G2 · 5/5 · Traducido del inglés
plataforma de agentes de voz fundamentados en conocimiento
Scope and signals
Best fit: Equipos que buscan agentes de voz basados en contenido empresarial actualizado y conectados con herramientas de soporte, recepción, ventas y flujos de trabajo.
Voice stack: Opción de modelo de audio nativo en tiempo real con recuperación de conocimiento y herramientas
Telephony: conexión de números de Twilio, conexión con operadores SIP/red pública
agentes de vozrecepcionistas con IAherramientas para crear conversaciones
Amazon Connect Customer AI permite que la configuración regional de un bot de Connect seleccione Nova Sonic para voz a voz, mientras Connect mantiene la orquestación, las intenciones y los flujos.
IA para centros de contacto y modelo nativo de voz a voz
Scope and signals
Best fit: Centros de contacto de Amazon Connect que evalúan voz a voz nativa dentro de las configuraciones regionales y herramientas de flujos de sus bots.
Voice stack: Canalización configurable de Connect con opción nativa Nova Sonic
Telephony: telefonía de Amazon Connect
agentes de vozplataforma de ejecución de API de vozIA para contact centers
Plataforma de agentes de voz para teléfono y web con creación de agentes por API, rutas, datos dinámicos, herramientas, webhooks y ajustes de interrupción.
plataforma de agentes de voz
Scope and signals
Best fit: Desarrolladores y equipos de operaciones que necesitan llamadas entrantes y salientes empaquetadas, con niveles explícitos de volumen, simultaneidad y base de conocimiento.
Componente de Programmable Voice que conecta una sesión TwiML ConversationRelay con un WebSocket de la aplicación para STT/TTS, configuración de idioma, DTMF y eventos de llamada.
Entorno de ejecución de telefonía para agentes de voz
Scope and signals
Best fit: Desarrolladores que crean su propia lógica de agente de voz y mantienen la telefonía, el tratamiento del audio y el control de llamadas en Twilio.
Voice stack: Interfaz de voz en cascada con LLM aportado por el desarrollador
Telephony: Twilio Programmable Voice, números de teléfono, SIP
plataforma de ejecución de API de vozagentes de voz
Los agentes en tiempo real de Copilot Studio se implementan en canales de voz y digitales con un modo nativo GPT-Realtime seleccionable o GPT-5-Chat preliminar más Neural TTS.
Creador de agentes empresariales e IA para centros de contacto
Scope and signals
Best fit: Equipos de Microsoft que necesitan temas, herramientas, conocimiento, derivaciones y configuración explícita de voz de Copilot Studio entre canales.
Voice stack: Modo nativo GPT-Realtime o modo GPT-5-Chat en cascada
Telephony: vías de integración con Dynamics 365 Contact Center y Azure
herramienta para crear conversacionesagentes de vozIA para contact centers
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.
plataforma empresarial de agentes de atención al cliente
Scope and signals
Best fit: Equipos de soporte que necesitan automatización telefónica conectada a CRM, mesa de ayuda, base de conocimiento o sistemas CPaaS.
Plataforma de agentes centrada en la voz, con flujos de trabajo visuales, elección de modelos, implementación en teléfono, web y móvil, y herramientas integradas de prueba y evaluación.
plataforma de agentes de voz y API de voz
Scope and signals
Best fit: Equipos que necesitan una biblioteca de voces gestionada y flujos de agentes para telefonía, web y móvil.
Voice stack: STT, LLM y TTS en cascada con voces de ElevenLabs
Telephony: Integración nativa con Twilio, Troncales SIP para llamadas entrantes y salientes
Precios mensuales habituales: Free 15 min; Starter $6/75, Creator $22/275, Pro $99/1.238, Scale $299/3.738, Business $990/12.375 min. Minutos adicionales $0,08; capacidad adicional por encima del límite de llamadas simultáneas $0,16. El uso de LLM y las tarifas de operadores externos se cobran por separado.
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.
API de modelo multimodal nativo en tiempo real
Scope and signals
Best fit: Desarrolladores que crean agentes conversacionales de baja latencia y necesitan audio nativo, entrada multimodal y llamadas a funciones en una sesión WebSocket persistente.
Voice stack: 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.
Telephony: No se documenta públicamente
plataforma de ejecución de API de vozagentes de voz
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.
Recepcionista telefónico con IA y precio por agente, con habilidades configurables, formularios, flujos lógicos, contactos de directorio y transferencias de llamadas.
Recepcionista con IA
Scope and signals
Best fit: Empresas pequeñas o con varias sedes que buscan una facturación mensual predecible según clientes únicos en vez de minutos de llamada.
Entorno de ejecución gestionado Line para agentes de voz con Agent Builder sin código, razonamiento definido mediante SDK, STT Cartesia Ink, TTS Sonic, implementación y observabilidad.
plataforma de agentes de voz y API de voz
Scope and signals
Best fit: Equipos que buscan una infraestructura de audio gestionada y quieren conservar el control mediante código del razonamiento, las herramientas y las API externas.
Voice stack: STT, LLM y TTS en cascada con TTS de Cartesia
Telephony: No se documenta públicamente
agentes de vozplataforma de ejecución de API de voz
Framework de agentes en tiempo real y plataforma Cloud compatibles con canalizaciones STT-LLM-TTS, modelos nativos en tiempo real, rutas híbridas, WebRTC y telefonía.
Framework e infraestructura de agentes de voz en tiempo real
Scope and signals
Best fit: Equipos de ingeniería que quieren elegir la arquitectura de la canalización y combinar infraestructura de agentes con la lógica de su propia aplicación.
Voice stack: Canalización configurable compatible con modelos nativos en tiempo real
Telephony: troncales SIP, integración con el operador
plataforma de ejecución de API de vozagentes de voz
La calculadora muestra ejemplos aproximados de $0,01 por sesión, $0,01 por telefonía, $0,0014 por LLM, $0,0058 por STT, $0,03 por TTS y $0,01 por observabilidad; los importes varían.
Plataforma integral de gestión de agentes que convierte instrucciones en lenguaje natural en flujos de voz y digitales gobernados, y después los simula, implementa y supervisa.
IA de voz empresarial para contact centers
Scope and signals
Best fit: Grandes centros de contacto que necesitan gestionar de forma centralizada el ciclo de vida entre marcas, regiones, canales y tareas de distinta complejidad.
Voice stack: arquitectura de voz en cascada
Telephony: No se documenta públicamente
agentes de vozIA para contact centersherramienta para crear conversaciones
Framework de Python de código abierto para canalizaciones de voz y multimodales, con SDK de cliente y alojamiento gestionado en Pipecat Cloud.
Framework de agentes de voz de código abierto
Scope and signals
Best fit: Desarrolladores que quieren componer canalizaciones sin depender de un proveedor y elegir entre alojamiento propio e implementación gestionada en Cloud.
Voice stack: Canalizaciones configurables con adaptadores para modelos nativos en tiempo real
Telephony: No se documenta públicamente
plataforma de ejecución de API de vozagentes de voz
Plataforma empresarial de voz y chat con Agent Studio, un ADK de Python orientado a Git, API REST, flujos, conocimiento y analítica.
IA de voz empresarial para contact centers
Scope and signals
Best fit: Equipos de atención al cliente empresarial que necesitan agentes de voz gestionados y opciones de creación visual, mediante código o programática.
Voice stack: Arquitectura de ASR, LLM y TTS en cascada
API de tiempo real a nivel de modelo para entrada y salida de texto y audio mediante WebRTC, WebSocket o SIP, con llamadas a funciones.
API de modelo multimodal nativo en tiempo real
Scope and signals
Best fit: Equipos de producto e ingeniería que crean una aplicación de voz sobre un modelo en tiempo real, en lugar de adquirir un producto de contact center empaquetado.
Voice stack: Entrada y salida de audio nativas con llamadas a herramientas
Telephony: Conexión SIP, la integración con el operador sigue siendo responsabilidad del comprador
plataforma de ejecución de API de vozagentes de voz
Plataforma de ingresos y centro de contacto con creador de agentes de voz sin código, perfiles de cliente unificados, recorridos activados por eventos, IVR y enrutamiento, y contacto multicanal.
Plataforma de agentes de voz para ingresos y centros de contacto
Scope and signals
Best fit: Equipos de ventas o atención que coordinan llamadas entrantes y salientes con recorridos basados en señales del cliente.
Plataforma de automatización para centros de contacto que analiza conversaciones humanas, crea agentes LLM con controles basados en código y luego los prueba, implementa y mejora.
IA de voz empresarial para contact centers
Scope and signals
Best fit: Centros de contacto que automatizan tipos de llamada definidos con conversaciones históricas, lógica de negocio y vías de escalamiento controladas.
Plataforma alojada de agentes de voz y chat basada en flujos de conversación por nodos o en prompts únicos, con telefonía, herramientas, base de conocimiento y analítica.
plataforma de agentes de voz
Scope and signals
Best fit: Equipos que comparan una herramienta gestionada para crear agentes con diseño visual de flujos y control mediante API/SDK.
Voice stack: Arquitectura STT-LLM-TTS configurable con opción de LLM personalizado
Telephony: números gestionados, troncales SIP, telefonía propia
agentes de vozplataforma de ejecución de API de vozevaluación de voz
Rango del proveedor: $0.07-$0.31/min; infraestructura $0.055, TTS típico $0.015, telefonía $0.015, base de conocimiento $0.005, controles de seguridad $0.005, eliminación de PII $0.01 y QA $0.10 después de 100 minutos.
Plataforma de agentes de atención al cliente para voz entrante y saliente, mensajería, correo electrónico, asistencia en vivo y publicación en el canal de ChatGPT.
plataforma empresarial de agentes de atención al cliente
Scope and signals
Best fit: Organizaciones de experiencia del cliente que quieren un modelo de agente común para voz y canales digitales, con control de la personalidad de marca.
Creador de agentes de voz sin código con motores de voz configurables, voces importadas o clonadas y un modelo de voz alternativo para empresas.
Creador de agentes de voz sin código
Scope and signals
Best fit: Equipos que quieren diseñar flujos de llamadas de forma visual y controlar los proveedores de voz, con precios de implementación según uso, telefonía, integraciones y soporte.
Voice stack: Canalización de STT, LLM y TTS en cascada
Telephony: No se documenta públicamente
agentes de vozrecepcionistas con IAherramienta para crear conversaciones
Modelo nativo de voz y lenguaje centrado en API, con Console sin código, herramientas personalizadas y telefonía propia para teléfono, web y aplicaciones nativas.
API de modelo nativo de voz y lenguaje
Scope and signals
Best fit: Equipos de ingeniería que quieren procesar la voz directamente y controlar la telefonía o los transportes de la aplicación.
Voice stack: Modelo nativo de voz y lenguaje
Telephony: No se documenta públicamente
plataforma de ejecución de API de vozagentes de voz
Plataforma para desarrolladores que permite crear agentes de voz eligiendo proveedores de reconocimiento, modelos de lenguaje y voces, con llamadas telefónicas y web.
API y plataforma de orquestación de agentes de voz
Scope and signals
Best fit: Equipos de ingeniería que quieren controlar la elección de STT, LLM y TTS, las herramientas y la orquestación de llamadas a nivel de proveedor.
Voice stack: Arquitectura configurable, incluidas las rutas STT-LLM-TTS y OpenAI Realtime
API unificada de agentes de voz que combina reconocimiento de voz de Deepgram, orquestación de LLM y síntesis de voz con llamadas a funciones y controles durante la sesión.
API de agentes de voz e infraestructura de voz
Scope and signals
Best fit: Desarrolladores que prefieren una sola API de voz gestionada en vez de unir servicios independientes de STT, orquestación y TTS.
Voice stack: Solución gestionada de STT, LLM y TTS en cascada
Telephony: No se documenta públicamente
plataforma de ejecución de API de vozagentes de voz
Plataforma visual de agentes de voz y chat con espacios de trabajo para agencias, traspaso a clientes, elección de modelos, API, observabilidad y entornos por etapas.
Creador de conversaciones
Scope and signals
Best fit: Agencias que gestionan agentes para varios clientes o equipos de experiencia del cliente que necesitan diseño compartido, acceso API y entornos de producción.
Voice stack: Canalización configurable de STT, LLM y TTS en cascada
Telephony: No se documenta públicamente
herramienta para crear conversacionesagentes de vozplataforma de ejecución de API de voz
Este es el catálogo completo de proveedores: incluye agentes telefónicos listos para usar, recepcionistas, productos para centros de contacto y entornos de ejecución para desarrolladores. Filtra por el canal de llamadas y las integraciones que necesitas; después, compara los perfiles de cada proveedor.
Si tu equipo desarrolla y opera una aplicación de voz, empieza por la categoría de plataformas. Si necesitas un flujo gestionado de llamadas entrantes o salientes, empieza por los agentes telefónicos con IA. Usa la guía de precios para comparar la misma carga de trabajo entre proveedores.
Evalúa los idiomas en llamadas reales
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.
Preguntas frecuentes de compradores
Preguntas sobre el software de agentes de voz
¿Qué puedo filtrar en el directorio de agentes de voz?
Busca proveedores, arquitectura, canales de implementación, telefonía, controles de llamada, integraciones, fuentes de conocimiento, idiomas, adecuación a la empresa y visibilidad de precios.
¿Puedo comparar directamente los precios por minuto?
Por lo general, no. Una tarifa puede cubrir solo la orquestación y otra incluir voz o un servicio gestionado. Suma los costes del modelo, STT, TTS o audio nativo, operador, número, SIP, transferencia, grabación, almacenamiento, evaluación, implementación y soporte para la misma carga de trabajo.
¿Qué tan actualizado está el directorio?
Cada perfil investigado muestra una fecha de verificación y enlaces a sus fuentes primarias. Precios, versiones preliminares, cuotas, modelos e idiomas pueden cambiar; confirma las condiciones importantes antes de comprar.
¿Por qué aparece «No se documenta públicamente» en un campo?
La investigación no encontró una fuente pública primaria suficientemente clara. El directorio muestra la falta de datos de forma explícita en vez de presentar una inferencia o afirmación comercial como un hecho.
La inclusión no supone una recomendación ni garantiza el rendimiento. Este directorio lo publica DocsBot. Política editorial
Tu empresa. Tu selección.
Encuentra el sistema de voz con IA más adecuado.
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.
