betaBenchmark abierto · actualizado con cada corrida

El benchmark independiente de IA de voz para Latinoamérica

Medimos latencia, error y precio de modelos de texto a voz y voz a texto con audio real de cada acento. Sin votos comprados, sin números inventados.

Ver resultados Cómo medimos

Última corrida16 de oct de 2026

#1 STT

Neutro (LatAm)

whisper-large-v3-turbo

2.7%

WER

#1 TTS

Neutro (LatAm)

kokoro-em_alex

1.0%

WER

modelos medidos

acentos

audios humanos

US$0

costo de la corrida

Por qué existe

Los benchmarks globales escuchan en inglés.

Un agente de voz que funciona en Nueva York puede fallar en Córdoba, Medellín o Recife. Medimos lo que importa para clientes reales de la región: cada acento por separado, con audio humano y licencias abiertas.

Rioplatense

Voseo, yeísmo rehilado, Buenos Aires y Montevideo.

Referencia humana

Mexicano

El mercado hispanohablante más grande del mundo.

STT · Próximamente

Colombiano

Acento andino, alto volumen de contact centers.

Referencia humana

Neutro (LatAm)

Español latinoamericano general, ideal para multi-país.

Referencia humana

Portugués (BR)

Brasil: el mayor mercado de voz de la región.

Referencia humana

Leaderboard

Voz a texto (STT) / Texto a voz (TTS)

Referencia humana

“¿Quieres que te mande el artículo?”

1
whisper-small
faster-whisper · 20 muestras
open source
WER
7.5%
p50
1.05 s
CER
3.3%
2
whisper-large-v3-turbo
faster-whisper · 20 muestras
open source
WER
22.6%
p50
3.82 s
CER
15.5%
3
whisper-base
faster-whisper · 20 muestras
open source
WER
26.3%
p50
480 ms
CER
16.5%
4
whisper-tiny
faster-whisper · 20 muestras
open source
WER
27.4%
p50
372 ms
CER
10.7%

#	Modelo	Error (WER) ↓	Latencia p50 ↓	CER	Precio
1	whisper-small faster-whisper · int8 · CPU · 20 muestras	7.5%	1.05 s	3.3%	Gratis · open source
2	whisper-large-v3-turbo faster-whisper · int8 · CPU · 20 muestras	22.6%	3.82 s	15.5%	Gratis · open source
3	whisper-base faster-whisper · int8 · CPU · 20 muestras	26.3%	480 ms	16.5%	Gratis · open source
4	whisper-tiny faster-whisper · int8 · CPU · 20 muestras	27.4%	372 ms	10.7%	Gratis · open source

Próximamente · STT

AssemblyAI Universal

Desde US$0,15 / hora

Próximamente

Deepgram Nova-3

US$0,0077 / min (streaming)

Próximamente

Speechmatics

Desde ~US$0,24 / hora

Próximamente

Gladia

US$0,61 / hora (async)

Próximamente

Google Cloud STT (Chirp)

US$0,016 / min (streaming)

Próximamente

OpenAI gpt-4o-mini-transcribe

US$0,003 / min

Próximamente

Proveedores comerciales: los mediremos cuando podamos hacerlo con cuentas propias y cumpliendo sus términos. Mientras tanto mostramos solo su precio oficial, nunca métricas estimadas. Latencia = tiempo total de transcripción de una frase (CPU).

Directorio

Plataformas de agentes de voz

Precios públicos y foco en Latinoamérica, con la fuente de cada dato. Verificá siempre en el sitio oficial.

Retell AI

Low-codeGlobal

Desde US$0,07/min con modelos incluidos en el plan base

Plataforma global; integraciones n8n, HubSpot, Twilio

Vapi

Para developersGlobal

US$0,05/min de plataforma + modelos; costo real ~US$0,13–0,33/min

100+ idiomas, elegís cada modelo

Bland AI

Global

US$0,09/min incluye LLM, STT y TTS; telefonía aparte

Plataforma global

Synthflow

Enterprise

Venta asistida (sin alta self-serve)

Foco enterprise

Fonema

LatAmWhatsApp

Pago por uso; telefonía US$0,0152/min (México), US$0,07/min (Colombia)

Diseñada para español latino: 200+ voces regionales, latencia < 1,2 s, voz + WhatsApp

Kosmo

México

Planes desde MXN 1.290/mes

Cobra en pesos mexicanos

Agentes de voz →

Llegá a quienes eligen la infraestructura de voz de la región.

Equipos de producto, agencias y contact centers que comparan proveedores antes de comprar.

Ver media kit →

El pulso semanal de la IA de voz en LatAm

Cambios en el ranking, nuevos modelos y precios. Un correo por semana, sin spam.