O benchmark independente de IA de voz para a América Latina
Medimos latência, erro e preço de modelos de texto para fala e fala para texto com áudio real de cada sotaque. Sem votos comprados, sem números inventados.
#1 STT
Neutro (LatAm)
whisper-large-v3-turbo
2.7%
WER
#1 TTS
Neutro (LatAm)
kokoro-em_alex
1.0%
WER
14
modelos medidos
5
sotaques
80
áudios humanos
US$0
custo da rodada
Por que existe
Os benchmarks globais escutam em inglês.
Um agente de voz que funciona em Nova York pode falhar em Córdoba, Medellín ou Recife. Medimos o que importa para clientes reais da região: cada sotaque separado, com áudio humano e licenças abertas.
Rio-platense
Voseo e pronúncia de Buenos Aires e Montevidéu.
Referência humana
Mexicano
O maior mercado hispanofalante do mundo.
Colombiano
Sotaque andino, muitos contact centers.
Referência humana
Neutro (LatAm)
Espanhol latino-americano geral, ideal para vários países.
Referência humana
Português (BR)
Brasil: o maior mercado de voz da região.
Referência humana
Leaderboard
Fala para texto (STT) / Texto para fala (TTS)
“¿Quieres que te mande el artículo?”
- 1open source
whisper-small
faster-whisper · 20 amostras
WER
7.5%
p50
1.05 s
CER
3.3%
- 2open source
whisper-large-v3-turbo
faster-whisper · 20 amostras
WER
22.6%
p50
3.82 s
CER
15.5%
- 3open source
whisper-base
faster-whisper · 20 amostras
WER
26.3%
p50
480 ms
CER
16.5%
- 4open source
whisper-tiny
faster-whisper · 20 amostras
WER
27.4%
p50
372 ms
CER
10.7%
| # | Modelo | Erro (WER) ↓ | Latência p50 ↓ | CER | Preço |
|---|---|---|---|---|---|
| 1 | whisper-small faster-whisper · int8 · CPU · 20 amostras | 7.5% | 1.05 s | 3.3% | Grátis · open source |
| 2 | whisper-large-v3-turbo faster-whisper · int8 · CPU · 20 amostras | 22.6% | 3.82 s | 15.5% | Grátis · open source |
| 3 | whisper-base faster-whisper · int8 · CPU · 20 amostras | 26.3% | 480 ms | 16.5% | Grátis · open source |
| 4 | whisper-tiny faster-whisper · int8 · CPU · 20 amostras | 27.4% | 372 ms | 10.7% | Grátis · open source |
Em breve · STT
AssemblyAI Universal
A partir de US$ 0,15 / hora
Deepgram Nova-3
US$ 0,0077 / min (streaming)
Speechmatics
A partir de ~US$ 0,24 / hora
Gladia
US$ 0,61 / hora (assíncrono)
Google Cloud STT (Chirp)
US$ 0,016 / min (streaming)
OpenAI gpt-4o-mini-transcribe
US$ 0,003 / min
Provedores comerciais: vamos medi-los quando pudermos fazê-lo com contas próprias e respeitando seus termos. Por enquanto mostramos só o preço oficial, nunca métricas estimadas. Latência = tempo total para transcrever uma frase (CPU).
Diretório
Plataformas de agentes de voz
Preços públicos e foco na América Latina, com a fonte de cada dado. Confirme sempre no site oficial.
Retell AI
A partir de US$ 0,07/min com modelos incluídos no plano básico
Plataforma global; integrações com n8n, HubSpot e Twilio
Vapi
US$ 0,05/min de plataforma + modelos; custo real de ~US$ 0,13–0,33/min
Mais de 100 idiomas; você escolhe cada modelo
Bland AI
US$ 0,09/min inclui LLM, STT e TTS; telefonia à parte
Plataforma global
Synthflow
Venda consultiva (sem cadastro self-service)
Foco enterprise
Fonema
Pagamento por uso; telefonia US$ 0,0152/min (México), US$ 0,07/min (Colômbia)
Feita para o espanhol latino: mais de 200 vozes regionais, latência < 1,2 s, voz + WhatsApp
Kosmo
Planos a partir de MXN 1.290/mês
Cobra em pesos mexicanos
Patrocínio
Alcance quem escolhe a infraestrutura de voz da região.
Times de produto, agências e contact centers que comparam provedores antes de comprar.
Ver media kit →O pulso semanal da IA de voz na LatAm
Mudanças no ranking, novos modelos e preços. Um e-mail por semana, sem spam.