أفضل 25 وكيل صوتي بالذكاء الاصطناعي يستحق الاتصال في 2026، مرتبةً

يتصدر ElevenLabs لوحة وكلاء الصوت بالذكاء الاصطناعي لعام 2026، ويتبعه عن قرب Vapi وSierra وBland. لكن الترتيب أقل أهمية من قرار واحد: من الذي سيبني هذا النظام ويشغّله؟ فمنصة للمطورين، ووكيل مُدار للمؤسسات، وإضافة لنظام الهاتف، كلها تستطيع الرد على مكالمة، لكنها تختلف اختلافًا كبيرًا من حيث الشراء.

هذا الانقسام هو أساس كل ما يلي. منصات المطورين مثل Vapi وRetell AI وLiveKit تعطيك المكوّنات وتتوقع منك تجميعها. أما الوكلاء المُدارون مثل Sierra وBland فيتولون المكالمة بالكامل نيابةً عنك. وحلول مراكز الاتصال مثل Dialpad تضع الذكاء الاصطناعي داخل نظام الهاتف الذي توظّف له فريقك أصلًا.

تعرض لوحة الترتيب أدناه أفضل 25 حاليًا. أما هذا الدليل فيقدّم ما لا تستطيع اللوحة تقديمه: من يناسبه ماذا، وما الذي تعنيه أسعار الدقيقة فعلًا، وأين تكمن المطبّات.

اختيارات سريعة

• للحصول على أفضل الأصوات وأوسع مجموعة أدوات، ابدأ بـElevenLabs، وهو الأداة الوحيدة في اللوحة التي بلغت درجتها 80.
• إذا كان مطوروك يريدون إطلاق وكلاء هاتفيين هذا الأسبوع، فـVapi هو الأنسب للتجربة أولًا، وصفحة أسعاره واضحة وبسيطة بشكل منعش.
• الفرق التي تريد مصدرًا مفتوحًا وتحكمًا كاملًا في خط المعالجة ينبغي أن تنظر في LiveKit.
• المكالمات الواردة أو الصادرة عالية الحجم في القطاعات الخاضعة للتنظيم تشير إلى Bland، الذي يمكنه تشغيل النماذج على بنيتك التحتية الخاصة.
• الشركة الصغيرة ذات الخطوط الهاتفية القليلة تجد أقل قدر من العناء مع Quo، لأن موظف الاستقبال الذكي فيه مضمَّن في كل الخطط.
• إذا كنت تدير مركز اتصال بالفعل، فإن Dialpad يبقي الذكاء الاصطناعي والموظفين البشريين في طابور واحد.

ما الذي تغيّر في وكلاء الصوت عام 2026

جاء المال أولًا. قُدّرت قيمة ElevenLabs بـ11 مليار دولار في جولة التمويل Series D مطلع العام، ويقول إعلانها الرسمي إن عرضًا لشراء أسهم الموظفين بقيمة 300 مليون دولار يقدّر قيمتها الآن بـ22 مليار دولار، مع نمو إيرادات ElevenAgents أكثر من ثلاثة أضعاف وأكثر من 15 مليون محادثة أسبوعيًا (ElevenLabs). وجمعت Sierra مبلغ 950 مليون دولار بتقييم يتجاوز 15 مليار دولار (TechCrunch). مهما كان رأيك في هذه الأرقام، لم يعد الصوت فئة تجريبية.

أما السرعة فهي القصة الأخرى، وهي أقل إرضاءً. حلّلت Hamming أكثر من 10 ملايين دقيقة إنتاجية، ووجدت أن وسيط زمن الاستجابة يتراوح بين 1.4 و1.7 ثانية، وأن مكالمة من كل عشرين مكالمة، وهي الأبطأ، تستغرق أكثر من أربع ثوانٍ (Hamming). وهدفها للوكيل الجيد أقل من 800 مللي ثانية. هذه الفجوة هي سبب حديث كل مزوّد في هذه اللوحة عن زمن الاستجابة، وسبب وجوب التعامل مع أرقامهم كادعاءات حتى تسمع مكالمة فعلية.

لفهم سبب صعوبة الأمر، تتبّع دورة واحدة. يتوقف المتصل عن الكلام. على الوكيل أن يقرر أنه انتهى فعلًا، ويحوّل الصوت إلى نص، ويترك نموذجًا لغويًا يكتب ردًا (وغالبًا بعد مراجعة تقويم أو نظام CRM)، ثم يحوّل هذا الرد إلى كلام. وعليه بعد ذلك أن يتوقف في منتصف الجملة إذا قاطعه المتصل.

كل مرحلة نموذج مستقل، وكل واحدة تضيف تأخيرًا. يستخدم الرسم أدناه المعيار نفسه ليبيّن أين يذهب الوقت.

النموذج اللغوي هو النطاق الأوسع، ولهذا تتيح منصات كثيرة استبداله. والبث المتدفق يساعد: إذ يمكن أن تبدأ الكلمات الأولى من الكلام قبل أن ينهي النموذج جملته (تقول Retell إنها تستهدف نحو 600 مللي ثانية، وهذا ادعاء من المزوّد يستحق أن تختبره على مكالماتك أنت).

القادة، مراجعةً

يعرض الرسم كل المدخلات التي لها درجات ضمن أفضل أحد عشر. أما Dialpad وLiveKit وQuo فهي مرتبة لكن لم تُمنح درجات بعد، ولذلك لا تظهر في الرسم.

ElevenLabs: الأفضل في جودة الصوت وسعة الإمكانات

يحتل ElevenLabs المرتبة الأولى في لوحة 2026 بدرجة ToolRank تبلغ 80، من الفئة النخبوية. بدأ شركةً لتحويل النص إلى كلام، وهذا ظاهر: أصوات واقعية بأكثر من 70 لغة، واستنساخ الصوت، وواجهة API لتحويل الكلام إلى نص، والآن ElevenAgents للمكالمات الحوارية. هذه أوسع مجموعة أدوات في اللوحة، والمكان الوحيد الذي يكون فيه الصوت نفسه هو المنتج.

العيب هو تسعير يحتاج إلى آلة حاسبة. تكلفة دقيقة الوكيل 0.08 دولار في كل الخطط، ويُحتسب النموذج اللغوي فوق ذلك، وتتضمن الخطة المجانية 15 دقيقة فقط (أسعار ElevenLabs). الخطط الأعلى تشمل دقائق أكثر (خطة Pro بسعر 99 دولارًا فيها 1,238 دقيقة، وخطة Business بسعر 990 دولارًا فيها 12,375)، لكنك تدفع مرتين مع ذلك: مرة للوكيل ومرة للنموذج الذي تحته.

Vapi: الخيار الافتراضي للمطوّر

يحتل Vapi المرتبة الثانية بدرجة 72، من الفئة القوية. يتولى الأجزاء غير البرّاقة في الوكيل الهاتفي (المكالمات وSIP والتزامن والاختبار) ويتيح لك اختيار مزوّدي الكلام والنموذج والصوت. تُظهر صفحة أسعاره رسم استضافة قدره 0.05 دولار للدقيقة، ورصيدًا مجانيًا بقيمة 5 دولارات، وتكاليف النماذج تُمرَّر دون هامش ربح. يكلّف التفريغ النصي نحو سنت واحد في الدقيقة، والصوت من 0.015 إلى 0.024 دولار، والنموذج من أقل من سنت إلى نحو 4.5 سنتات (أسعار Vapi).

أضف الاتصال الهاتفي (الوارد عبر Twilio بسعر 0.008 دولار للدقيقة) فيصل الرقم الفعلي إلى نحو تسعة سنتات في الحد الأدنى. وعلى فرق الرعاية الصحية أن تنتبه إلى أن الامتثال لـHIPAA إضافة شهرية بقيمة 2,000 دولار.

Sierra: للعلامات التي تريد نتائج لا دقائق

تحتل Sierra المرتبة الثالثة بدرجة 70. وهي ليست أداة صوتية أولًا. تصف الوكيل بلغة بسيطة أو من خلال مستندات، فيعمل وكيل واحد عبر الدردشة والرسائل النصية والبريد الإلكتروني والصوت. وتقول الشركة إن أكثر من 40 في المئة من شركات Fortune 50 هم عملاء لها. لن تجد سعرًا للدقيقة، لأن Sierra تحاسب على النتائج مثل محادثة تم حلّها، لا على الدقائق. وإذا كنت شركة متوسطة الحجم وتريد تجربة مسار هاتفي واحد، فليس هذا الباب الذي تطرقه.

Bland: مصمَّم للعمل الهاتفي الخاضع للتنظيم

تحتل Bland المرتبة الرابعة بدرجة 69، متراجعةً مرتبة واحدة في لوحة 2026. تركّز على المكالمات الواردة والصادرة لقطاعات مثل التأمين والرعاية الصحية، بنماذج يمكنك تشغيلها بالكامل على بنيتك التحتية الخاصة. التسعير معلن: خطة Start تحتسب 0.14 دولار للدقيقة من وقت التحدث دون رسوم شهرية، وتضيف Build رسمًا شهريًا قدره 299 دولارًا لتخفض السعر إلى 0.12 دولار (أسعار Bland). ولا تؤتي Build ثمارها إلا بعد نحو 15,000 دقيقة شهريًا.

Voiceflow: حيث يبني المصممون ومسؤولو الدعم

Voiceflow في المرتبة الخامسة بدرجة 58، من الفئة الجيدة. هو مساحة عمل لتصميم وكلاء الدردشة والصوت معًا، بحيث يستطيع فريق الدعم تطوير منطق المحادثة دون انتظار المهندسين. درجته أقل بكثير من المنصات الأربع التي تسبقه، وهو أداة تصميم قبل أن يكون حزمة اتصال هاتفي. اخترْه حين يكون الجزء الصعب في مشروعك هو المحادثة لا الصوت.

Retell AI: أقرب منافس لـVapi

تحتل Retell AI المرتبة السادسة بدرجة 57. تقدّم الوعد نفسه الذي يقدمه Vapi، وكيلًا هاتفيًا جاهزًا للإنتاج مع الاختبار والمراقبة، لكنها تعلن نطاقًا واحدًا بارزًا: من 0.07 إلى 0.31 دولار للدقيقة، مع رصيد مجاني بقيمة 10 دولارات و20 مكالمة متزامنة مشمولة. والمكوّنات مفصَّلة كذلك: البنية التحتية 0.055 دولار، والأصوات من 0.015 إلى 0.04، والنماذج اللغوية تبدأ من عُشر سنت للدقيقة (أسعار Retell). وتميل قائمة حالات الاستخدام فيها نحو الاستقبال وحجز المواعيد وتأهيل العملاء المحتملين.

Dialpad وLiveKit: طرفا الطيف

Dialpad في المرتبة السابعة وLiveKit في الثامنة، وليس لأي منهما درجة ToolRank بعد. وهما مختلفان تمامًا. Dialpad مركز اتصال أصلي بالذكاء الاصطناعي: صوت ودردشة ورسائل نصية وبريد إلكتروني، مع وكلاء مستقلين يتولون المبالغ المستردة وإعادة الحجوزات ويحوّلون الأمر إلى البشر. وهو الخيار الأنسب إذا كان وكلاؤك يعملون في Dialpad أصلًا.

LiveKit على العكس: إطار عمل مفتوح المصدر لوكلاء الصوت والفيديو والذكاء الاصطناعي المادي، مع دعم للاتصال الهاتفي ونموذجه الخاص لاكتشاف نهاية الكلام. تتراوح الخطط المستضافة من فئة Build المجانية إلى Ship بسعر 50 دولارًا شهريًا وScale بسعر 500 دولار، مع جلسات الوكيل بسعر سنت واحد للدقيقة إضافةً إلى تكاليف النماذج المنفصلة (أسعار LiveKit). السعر رخيص، وكذلك المساعدة الجاهزة. تحصل على اللبنات الأساسية فقط.

Quo: موظف الاستقبال للشركات الصغيرة

Quo، المعروف سابقًا باسم OpenPhone، في المرتبة التاسعة. هو هاتف أعمال مشترك أولًا وأداة ذكاء اصطناعي ثانيًا. يرد وكيله الصوتي Sona على المكالمات على مدار الساعة ويأتي مع كل الخطط، التي تبدأ من 15 دولارًا للمستخدم شهريًا عند الدفع السنوي. والحد مدمج في التسعير: تحصل على 10 مكالمات أتمتة عبر Sona مجانًا، وتكلّف المكالمات الإضافية 1.00 دولار لكل مكالمة في أرخص خطة (أسعار Quo). مناسب لتغطية خارج أوقات الدوام، ومكلف لمكتب استقبال كثير المكالمات.

PolyAI وSynthflow وObserve.AI

ثلاثة أخرى بدرجة 53. تبني PolyAI وكلاء حوار للمؤسسات على نموذجها Raven، ولديها أداة بناء دون كود وحزمة للمطورين، رغم أنها تراجعت من المرتبة الثانية إلى الحادية عشرة في لوحة 2026. تستهدف Synthflow المكالمات الهاتفية الآلية مع الامتثال لـHIPAA وSOC 2 وPCI DSS، وتبدأ أسعار المؤسسات فيها من 30,000 دولار سنويًا (أسعار Synthflow). أما Observe.AI فجاءت من تحليلات المحادثات وضبط الجودة، فتناسب الفرق التي تريد تدريب الموظفين البشريين وإضافة الذكاء الاصطناعي الصوتي في المنتج نفسه.

واحدة أخرى تستحق المعرفة: Cartesia في المرتبة 14، تصنع نماذج الكلام التي تعمل تحت وكلاء الآخرين، وتبيع الآن وكلاءها الصوتيين بسعر 0.06 دولار للدقيقة إضافةً إلى الاتصال الهاتفي (أسعار Cartesia). وTelnyx (المرتبة 19) هي جانب مشغّل الاتصالات: اتصال هاتفي عالمي مع بنية ذكاء اصطناعي فوقه.

كم تكلّف وكلاء الصوت فعلًا

تسعير الدقيقة هو أصعب ما يمكن مقارنته، لأن كل مزوّد يرسم الخط في مكان مختلف. بعضهم يعلن رسم منصة ويحاسب النموذج والخط الهاتفي بشكل منفصل. وآخرون يجمعون كل شيء في سعر واحد. وقلة لا تنشر رقمًا إطلاقًا.

اقرأ الرسم على أنه حد أدنى لا إجمالي. سنتات Vapi الخمسة تبدو رخيصة حتى تضيف صوتًا ونموذجًا ومشغّل اتصالات. وسنتات Bland الأربعة عشر تبدو مرتفعة لكنها تشمل النموذج والتفريغ النصي والصوت. أما ElevenLabs فيقع بينهما ويترك فاتورة النموذج عليك.

تُدخل الحاسبة أدناه دقائقك الشهرية وتستخدم فقط الأسعار الواردة في صفحات التسعير الخاصة بالمزوّدين. وحين يكون الرقم حدًا أدنى، تذكر ذلك.

جرّبها عند 2,000 دقيقة ثم عند 40,000. الترتيب بالكاد يتغير، لكن الفجوة بين الحد الأدنى وعرض السعر الفعلي تتسع بسرعة. اسأل كل مزوّد عن التكلفة الإجمالية لمكالمة مدتها خمس دقائق، شاملةً الخط الهاتفي والنموذج.

كيف تختار

ابدأ بالفريق لا بالأداة. الفرق التي يقودها المطورون تستطيع تجميع حزمة في أيام. وفرق العمليات التي لا مهندسين فيها تحتاج إلى وكيل مُدار أو أداة بناء. والشركات التي تملك مركز اتصال بالفعل ينبغي أن تنظر فيما يقدمه مزوّدها الحالي قبل إضافة نظام آخر.

الخريطة أعلاه هي القرار كله في صورة مصغّرة. التحرك نحو اليمين يشتري السرعة ويسلب التحكم، وتدفع ثمن ذلك في الدقائق أو في العقود. والتحرك نحو اليسار يكلّف وقتًا هندسيًا لكنه يتيح لك تغيير النموذج الربع القادم دون أن تطلب إذنًا من أحد.

وإذا بقيت متردّدًا، فأجب عن ثلاثة أسئلة أدناه.

الاتصال الهاتفي هو المطب التالي. كل وكيل صوتي يجب أن يرتبط برقم هاتف في مكان ما، والخيارات تختلف. يتيح Vapi إحضار أرقام من Twilio أو Vonage أو Telnyx، وتذكر صفحة أسعاره Twilio بسعر 0.008 دولار للدقيقة الواردة، وVonage بسعر قريب منه، وTelnyx بسعر 0.0055 دولار (أسعار Vapi). ويشمل LiveKit رقمًا محليًا أمريكيًا مجانيًا ويحتسب 0.01 دولار للدقيقة الواردة. وإذا كانت شركتك تملك SIP trunk أو منصة مركز اتصال، فتأكد من أن الوكيل يمكنه الاتصال بها قبل أن تنظر في أي شيء آخر.

نماذج التسعير مهمة أيضًا. التسعير بالدقيقة يعاقب المكالمات الطويلة الثرثارة، بينما التسعير بالمكالمة أو بالنتيجة يعاقب الحجم الكبير. خط دعم فيه مكالمات قصيرة كثيرة وخط تحصيل ديون فيه مكالمات طويلة قد يصلان إلى استنتاجين متعاكسين من قائمة الأسعار نفسها.

قبل أن توقّع على أي شيء، شغّل المكالمات الصعبة الخمس نفسها على كل مرشح نهائي: متصل يقاطع، ولهجة ثقيلة، وطلب لا يستطيع الوكيل الإجابة عنه، وتحويل إلى إنسان، ومكالمة تنقطع في المنتصف. واطلب زمن الاستجابة عند المئين التسعين لا المتوسط. أرقام Hamming توضح إلى أي مدى يبتعد الذيل عن الوسيط.

ثم تحقق من القواعد. في الولايات المتحدة، قضت FCC عام 2024 بأن الأصوات المولّدة بالذكاء الاصطناعي تُعدّ اصطناعية بموجب قانون TCPA، ولذلك تحتاج المكالمات الصادرة بالذكاء الاصطناعي إلى موافقة مسبقة من المستلم (McDermott Will & Emery). كما تشترط ولايات كثيرة موافقة جميع الأطراف على التسجيل، فأعلِن ذلك في بداية المكالمة. وإذا استخدمت صوتًا مستنسخًا فأنت بحاجة إلى موافقة صاحب الصوت، مع اختلاف القوانين المحلية في كيفية توثيقها. لا شيء من هذا يغني عن استشارة محامٍ.

عن ToolRank

ToolRank هو محرك الترتيب المستقل في ToolPotion، ولا يمكن شراء المراتب فيه. كل لوحة، ومنها هذه، جزء من المجموعة الكاملة للوحات الترتيب. يمكنك تصفح الفئة بأكملها في دليل وكلاء الصوت بالذكاء الاصطناعي، أو الاطلاع على القائمة الحية لـأفضل 150 وكيلًا صوتيًا.

أسماء صاعدة وجديدة تستحق المتابعة

بعد أفضل 25 مباشرة، تأتي Plivo AI Agents (المرتبة 28) من شركة واجهات اتصالات وتروّج لأدوات بناء دون كود. وتستهدف Wizi (المرتبة 27) عمليات المؤسسات عالية الحجم، وPhonely AI (المرتبة 31) منتج للرد على الهاتف للشركات الصغيرة. أما Replicant (المرتبة 33) فتبيع أتمتة خدمة العملاء المبنية على نموذج أفضل وكلاء الشركة.

المتخصصون في قطاعات بعينها هم الاتجاه الهادئ. يخدم Numa وToma معارض السيارات، ويتولى ConverseNow طلبات المطاعم. وكثيرًا ما تتفوق أداة ضيقة مدرَّبة على نوع واحد من المكالمات على منصة عامة في تلك المكالمة.

إذا كان الصوت جزءًا من مشروع أوسع، فهذه اللوحات تتقاطع معه: أدوات الذكاء الاصطناعي لوكلاء دعم العملاء، وأدوات بناء روبوتات الدردشة، وتحليل مكالمات المبيعات، وأدوات بناء وكلاء الذكاء الاصطناعي.

الأسئلة الشائعة

ما أفضل وكيل صوتي بالذكاء الاصطناعي في 2026؟

ElevenLabs في المرتبة الأولى في لوحة 2026 بدرجة ToolRank تبلغ 80. وللمطورين، يعد Vapi محطة البداية المعتادة. وللمؤسسات، تتصدر Sierra وBland. والأفضل يعتمد على من سيشغّله.

كم يكلّف الوكيل الصوتي بالذكاء الاصطناعي للدقيقة؟

تتراوح رسوم المنصات المعلنة من نحو سنت واحد (جلسات LiveKit) إلى أربعة عشر سنتًا (Bland Start). أضف تكاليف الكلام والنموذج اللغوي والهاتف فيرتفع الرقم الفعلي. ونطاق Retell المعلن للمكالمة الكاملة هو من 0.07 إلى 0.31 دولار.

هل أحتاج إلى مطوّر لإعداده؟

مع Vapi وRetell وLiveKit، نعم، على الأقل في البناء الأول. أما Voiceflow وSynthflow وQuo فمصممة بحيث يستطيع غير المهندسين إعداد الوكلاء، وتتولى Bland وSierra معظم الإعداد نيابةً عنك.

ما مدى سرعة استجابة الوكيل الصوتي المطلوبة؟

أقل من نحو 800 مللي ثانية من نهاية جملة المتصل. والوسيط عبر أكثر من 10 ملايين دقيقة إنتاجية هو 1.4 إلى 1.7 ثانية، لذلك سيتميز الوكيل السريع بوضوح.

هل استخدام وكلاء الصوت بالذكاء الاصطناعي في المكالمات الهاتفية قانوني؟

غالبًا نعم، لكن بشروط. في الولايات المتحدة، تحتاج الأصوات المولّدة بالذكاء الاصطناعي في المكالمات الصادرة إلى موافقة مسبقة بموجب TCPA، وتشترط ولايات كثيرة موافقة الجميع على التسجيل. وتختلف القواعد في أماكن أخرى، فراجع القانون المحلي.

هل يستطيع الوكيل الصوتي تحويل المكالمة إلى إنسان؟

نعم، وينبغي أن تصرّ على ذلك. يدرج Dialpad التحويل من الذكاء الاصطناعي إلى الإنسان ضمن ميزاته الأساسية، وتسعّر Bland وقت التحويل بشكل منفصل، فهو جزء عادي من مسار المكالمة.