Recursos

Principais modelos de IA para agentes de voz e em tempo real

Modelos de fala em tempo real e de voz expressiva para assistentes, atendimento, personagens e interfaces ao vivo. Compare unidades de cobrança, modo de interação, base da latência, idiomas, ferramentas e contexto.

Mostrando 1–12 de 13 modelos

Voz

SpaceXAI · Disponível

Grok Voice 3.0

O modelo de voz em tempo real do Grok para conversas, atendimento ao cliente e assistentes que usam ferramentas durante uma chamada.

Base de preço
US$ 0,08 / minuto de áudio
Modo de interação
Fala para fala em tempo real com ferramentas
Ver guia do modelo
Voz

ElevenLabs · Disponível

Eleven v4

Um modelo expressivo de texto para fala para narração, vozes de personagens e diálogos em vários idiomas.

Base de preço
US$ 0,08 / 1.000 caracteres
Modo de interação
Texto para fala e diálogo com vários falantes
Ver guia do modelo
Voz

OpenAI · Disponível

GPT-Live 1

Front-end de voz full-duplex da OpenAI para conversas naturais, que delega raciocínios e ações mais complexos a um agente de back-end separado.

Base de preço
US$ 0,05 / minuto de voz + uso do back-end
Modo de interação
Front-end de voz full-duplex com back-end delegado
Ver guia do modelo
Voz

Google · Disponível

Gemini 3.8 Live

O modelo de voz em tempo real do Google para conversas ágeis com áudio, texto e contexto visual.

Base de preço
Áudio US$ 0,005/min de entrada · US$ 0,018/min de saída
Modo de interação
Fala para fala com entrada visual e raciocínio intercalado
Ver guia do modelo
Voz

OpenAI · Disponível

GPT-Realtime-2.1

O modelo de raciocínio de fala para fala em tempo real da OpenAI, para agentes de voz que usam ferramentas e também precisam de contexto de texto e imagem.

Base de preço
Áudio: US$ 32 entrada · US$ 64 saída / 1 milhão de tokens
Modo de interação
Fala para fala com contexto de texto/imagem
Ver guia do modelo
Voz

O mais novo modelo expressivo de conversão de texto em fala em tempo real da Inworld, projetado para lembrar a conversação e falar em mais de 100 idiomas.

Base de preço
US$ 25 / 1 milhão de caracteres sob demanda; descontos por volume
Modo de interação
TTS controlável em tempo real com contexto do áudio anterior
Ver guia do modelo

O que comparar

Base de preço
Preço por token, caractere ou minuto na forma de acesso listada.
Modo de interação
Fala para fala, áudio para áudio ou texto para fala com streaming.
Latência publicada
Medição publicada pelo provedor, com as exclusões que ele informa; não é um teste do Cody.

Como usar esta biblioteca

Compare pela tarefa, não pelo hype.

Uma seleção curada de modelos de fronteira, especializados e de referência em cada categoria, com informações práticas de API para decisões reais de produto.

O Cody não mantém um ranking universal de qualidade. As afirmações dos provedores são sinalizadas, os preços não incluem impostos nem ferramentas opcionais, e quem vai usar um modelo em produção deve confirmar os termos atuais do provedor antes de escolher.

  1. 01

    Usar a documentação do próprio provedor para limites técnicos, ciclo de vida, preços, acesso regional e políticas de dados sempre que ela existir.

  2. 02

    Comparar modelos apenas dentro da mesma categoria e manter a base de medição de cada provedor.

  3. 03

    Mostrar “Não publicado” quando o provedor não publicou uma informação comparável, em vez de estimá-la.

  4. 04

    Tratar preços e disponibilidade como registros datados e incluir em cada página o link para a documentação atualizada do provedor.

A velocidade mantém a unidade original

Latência de voz, throughput de texto, tempo de renderização de vídeo e taxa de quadros de modelos de mundo não são intercambiáveis.

Nada de estimativas

Quando falta a data de lançamento, a lista de países ou o valor de latência, o campo aparece como não publicado, em vez de estimado.

Toda informação tem data

As páginas dos modelos trazem o link da fonte original e mostram quando preços, acesso e políticas foram verificados pela última vez.

Coloque o modelo em ação

Escolha o modelo e depois escreva prompts melhores.

Use os guias de prompts do Cody para transformar a escolha de um modelo em um fluxo de trabalho repetível.