25 agentes de voz com IA que valem a ligação em 2026, ranqueados

A ElevenLabs lidera o ranking de agentes de voz com IA de 2026, com Vapi, Sierra e Bland logo atrás. Mas a posição importa menos do que uma decisão: quem vai construir e operar a solução. Uma plataforma para desenvolvedores, um agente corporativo gerenciado e um complemento para o sistema telefônico podem todos atender uma ligação, e a experiência de compra de cada um não poderia ser mais diferente.

Essa divisão guia tudo o que vem a seguir. Plataformas para desenvolvedores como Vapi, Retell AI e LiveKit entregam as peças e esperam que você monte tudo. Agentes gerenciados como Sierra e Bland cuidam da ligação inteira por você. Suítes de contact center como Dialpad colocam a IA dentro do sistema telefônico que sua equipe já usa.

O ranking abaixo mostra os 25 primeiros neste momento. Este guia traz o julgamento que ele não consegue dar: qual ferramenta serve para qual time, o que os preços por minuto realmente significam e onde estão as armadilhas.

Escolhas rápidas

• Para as vozes mais naturais e o conjunto de recursos mais amplo, comece pela ElevenLabs, a única ferramenta do ranking com nota 80.
• Se seus desenvolvedores querem colocar agentes telefônicos no ar esta semana, a Vapi é a primeira a testar, e a página de preços dela é refrescantemente clara.
• Times que querem open source e controle total do pipeline devem olhar a LiveKit.
• Para chamadas receptivas ou ativas em alto volume e em setores regulados, a escolha é a Bland, que pode rodar modelos na sua própria infraestrutura.
• Uma pequena empresa com poucas linhas telefônicas terá menos atrito com a Quo, porque a recepcionista com IA está incluída em todos os planos.
• Se você já tem um contact center, a Dialpad mantém a IA e os atendentes humanos na mesma fila.

O que mudou para os agentes de voz em 2026

O dinheiro chegou primeiro. A ElevenLabs foi avaliada em US$ 11 bilhões na Série D, no início do ano, e o próprio anúncio da empresa diz que uma oferta de recompra de US$ 300 milhões para funcionários agora a avalia em US$ 22 bilhões, com a receita do ElevenAgents mais que triplicando e mais de 15 milhões de conversas por semana (ElevenLabs). A Sierra levantou US$ 950 milhões com avaliação acima de US$ 15 bilhões (TechCrunch). Qualquer que seja sua opinião sobre esses números, voz deixou de ser uma categoria de demonstração.

A velocidade é a outra história, e ela é menos lisonjeira. A Hamming analisou mais de 10 milhões de minutos em produção e encontrou um tempo de resposta mediano de 1,4 a 1,7 segundo, com uma em cada vinte chamadas mais lentas levando mais de quatro segundos (Hamming). A meta dela para um bom agente é menos de 800 milissegundos. Essa distância explica por que todo fornecedor deste ranking fala de latência, e por que você deve tratar os números deles como alegações até ouvir uma chamada de verdade.

Para entender por que é difícil, acompanhe um único turno. O interlocutor para de falar. O agente precisa decidir que ele realmente terminou, transformar o áudio em texto, deixar um modelo de linguagem escrever a resposta (muitas vezes depois de consultar uma agenda ou um CRM) e converter essa resposta de volta em fala. Depois, ainda precisa parar no meio da frase se o interlocutor interromper.

Cada etapa é um modelo próprio, e cada uma acrescenta atraso. O gráfico abaixo usa o mesmo benchmark para mostrar onde o tempo é gasto.

O modelo de linguagem é a faixa mais larga, e por isso tantas plataformas permitem trocá-lo. O streaming ajuda: as primeiras palavras da fala podem começar antes de o modelo terminar a frase (a Retell diz mirar cerca de 600 milissegundos, uma alegação do fornecedor que vale testar nas suas próprias chamadas).

Os líderes, avaliados

O gráfico mostra todas as entradas com nota entre as onze primeiras. Dialpad, LiveKit e Quo estão ranqueadas, mas ainda sem nota, por isso ficam fora do gráfico.

ElevenLabs: melhor em qualidade de voz e abrangência

A ElevenLabs ocupa o 1º lugar no ranking de 2026 com nota 80 no ToolRank, nível elite. Ela nasceu como empresa de text-to-speech, e isso aparece: vozes realistas em mais de 70 idiomas, clonagem de voz, uma API de speech-to-text e agora o ElevenAgents para conversas por telefone. É o conjunto de recursos mais amplo do ranking, e o único lugar em que a própria voz é o produto.

O problema é um preço que exige calculadora. Os minutos do agente custam US$ 0,08 em todos os planos, o modelo de linguagem é cobrado à parte, e o plano gratuito inclui apenas 15 minutos (preços da ElevenLabs). Planos maiores incluem mais minutos (o Pro, de US$ 99, tem 1.238; o Business, de US$ 990, tem 12.375), mas você continua pagando duas vezes: uma pelo agente e outra pelo modelo por baixo dele.

Vapi: o padrão dos desenvolvedores

A Vapi está em 2º lugar com nota 72, nível forte. Ela cuida das partes pouco glamourosas de um agente telefônico (chamadas, SIP, concorrência, testes) e deixa você escolher os fornecedores de voz, de modelo e de transcrição. A página de preços mostra uma taxa de hospedagem de US$ 0,05 por minuto, US$ 5 em créditos gratuitos e custos de modelo repassados sem margem. A transcrição custa cerca de um centavo por minuto, a voz de US$ 0,015 a US$ 0,024 e o modelo de menos de um centavo a cerca de 4,5 centavos (preços da Vapi).

Somando a telefonia (a entrada via Twilio custa US$ 0,008 por minuto), o valor real fica perto de nove centavos no extremo mais barato. Times da área de saúde devem notar que a conformidade com a HIPAA é um adicional de US$ 2.000 por mês.

Sierra: para marcas que querem resultados, não minutos

A Sierra está em 3º lugar com nota 70. Não é uma ferramenta voltada primeiro para voz. Você descreve um agente em linguagem natural ou a partir de documentos, e um único agente passa a atuar em chat, SMS, e-mail e voz. A empresa diz que mais de 40% da Fortune 50 são clientes. Você não vai encontrar preço por minuto, porque a Sierra cobra por resultados, como uma conversa resolvida, e não por minutos. Se você é uma empresa de médio porte que quer testar um único fluxo telefônico, essa não é a porta certa.

Bland: feita para telefonia em setores regulados

A Bland está em 4º lugar com nota 69, uma posição abaixo no ranking de 2026. Ela foca em chamadas receptivas e ativas para setores como seguros e saúde, com modelos que podem rodar inteiramente na sua própria infraestrutura. O preço é público: o plano Start cobra US$ 0,14 por minuto de conversa, sem mensalidade, e o Build soma uma mensalidade de US$ 299 para reduzir esse valor a US$ 0,12 (preços da Bland). O Build só compensa acima de cerca de 15.000 minutos por mês.

Voiceflow: onde designers e líderes de suporte constroem

A Voiceflow está em 5º lugar, com nota 58, nível sólido. É um espaço de trabalho para projetar agentes de chat e de voz juntos, de modo que um time de suporte pode iterar na lógica da conversa sem esperar por engenheiros. A nota fica bem abaixo das quatro plataformas acima dela, e é uma ferramenta de design antes de ser uma stack de telefonia. Escolha-a quando a parte difícil do seu projeto for a conversa, não o áudio.

Retell AI: a rival mais próxima da Vapi

A Retell AI fica em 6º lugar com nota 57. Vende a mesma promessa da Vapi, um agente telefônico pronto para produção com testes e monitoramento, mas apresenta uma faixa única de destaque: de US$ 0,07 a US$ 0,31 por minuto, com US$ 10 em créditos gratuitos e 20 chamadas simultâneas incluídas. As partes também são detalhadas. A infraestrutura custa US$ 0,055, as vozes de US$ 0,015 a US$ 0,04, e os modelos de linguagem começam em um décimo de centavo por minuto (preços da Retell). A lista de casos de uso pende para recepção, agendamento e qualificação de leads.

Dialpad e LiveKit: as duas pontas do espectro

A Dialpad é a 7ª e a LiveKit a 8ª, e nenhuma das duas tem nota no ToolRank ainda. Não poderiam ser mais diferentes. A Dialpad é um contact center nativo de IA: voz, chat, SMS e e-mail, com agentes autônomos que cuidam de reembolsos e reagendamentos e passam a conversa para pessoas. É a escolha se seus atendentes já vivem na Dialpad.

A LiveKit é o oposto: um framework open source para agentes de voz, vídeo e IA física, com suporte a telefonia e um modelo próprio de detecção de turno. Os planos hospedados vão de um nível Build gratuito ao Ship, a US$ 50 por mês, e ao Scale, a US$ 500, com sessões de agente a um centavo por minuto mais os custos de modelo à parte (preços da LiveKit). O preço é baixo, e o suporte também. Você recebe os blocos de construção.

Quo: a recepcionista da pequena empresa

A Quo, antes chamada OpenPhone, é a 9ª. É primeiro um telefone empresarial compartilhado e só depois uma ferramenta de IA. O agente de voz Sona atende ligações 24 horas por dia e vem em todos os planos, que começam em US$ 15 por usuário por mês no pagamento anual. O limite está embutido no preço: você tem 10 chamadas de automação da Sona grátis, e as extras custam US$ 1,00 cada no plano mais barato (preços da Quo). Serve para cobrir o fora do expediente, mas sai caro para uma recepção com muitas chamadas.

PolyAI, Synthflow e Observe.AI

Mais três com nota 53. A PolyAI cria agentes de diálogo corporativos sobre o próprio modelo Raven e tem tanto um construtor no-code quanto um kit para desenvolvedores, embora tenha caído do 2º para o 11º lugar no ranking de 2026. A Synthflow mira chamadas telefônicas automatizadas com conformidade HIPAA, SOC 2 e PCI DSS, e o preço corporativo começa em US$ 30.000 por ano (preços da Synthflow). A Observe.AI vem de análise de conversas e QA, então serve para times que querem treinar atendentes humanos e adicionar IA de voz no mesmo produto.

Mais uma que vale conhecer: a Cartesia, 14ª, faz os modelos de fala que ficam por baixo dos agentes de outras empresas e agora vende seus próprios agentes de voz a US$ 0,06 por minuto mais telefonia (preços da Cartesia). A Telnyx (19ª) é o lado da operadora: telefonia global com infraestrutura de IA por cima.

Quanto os agentes de voz realmente custam

O preço por minuto é o mais difícil de comparar, porque cada fornecedor traça a linha num lugar diferente. Alguns cotam uma taxa de plataforma e cobram o modelo e a linha telefônica separadamente. Outros juntam tudo numa tarifa só. Alguns nem publicam um número.

Leia o gráfico como um piso, não como um total. Os cinco centavos da Vapi parecem baratos até você somar voz, modelo e operadora. Os catorze centavos da Bland parecem altos, mas incluem modelo, transcrição e voz. A ElevenLabs fica no meio e deixa a conta do modelo com você.

A calculadora abaixo usa seus minutos mensais e apenas tarifas das páginas de preços dos próprios fornecedores. Quando um valor é um piso, ela avisa.

Rode com 2.000 minutos e de novo com 40.000. A ordem quase não muda, mas a distância entre um piso e uma cotação cresce rápido. Peça a cada fornecedor o custo total de uma chamada de cinco minutos, incluindo a linha telefônica e o modelo.

Como escolher

Comece pelo time, não pela ferramenta. Times liderados por desenvolvedores montam uma stack em dias. Times de operações sem engenheiros precisam de um agente gerenciado ou de um construtor. Empresas que já têm um contact center devem ver o que o fornecedor atual oferece antes de adicionar outro sistema.

O mapa acima é a decisão inteira em miniatura. Ir para a direita compra velocidade e tira controle, e você paga por isso em minutos ou em contratos. Ir para a esquerda custa tempo de engenharia, mas deixa você trocar o modelo no próximo trimestre sem pedir nada a ninguém.

Se mesmo assim você continuar em dúvida, responda às três perguntas abaixo.

A telefonia é a próxima armadilha. Todo agente de voz precisa se conectar a um número de telefone em algum lugar, e as opções variam. A Vapi permite trazer números da Twilio, Vonage ou Telnyx, e a própria página de preços lista a Twilio a US$ 0,008 por minuto de entrada, a Vonage por volta do mesmo valor e a Telnyx a US$ 0,0055 (preços da Vapi). A LiveKit inclui um número local gratuito nos EUA e cobra US$ 0,01 por minuto de entrada. Se sua empresa já tem um tronco SIP ou uma plataforma de contact center, confirme que o agente consegue se conectar a ele antes de olhar qualquer outra coisa.

O modelo de preço também importa. Tarifas por minuto punem chamadas longas e conversadoras, enquanto modelos por chamada ou por resultado punem o volume. Uma linha de suporte com muitas chamadas curtas e uma linha de cobrança com chamadas longas podem chegar a conclusões opostas a partir da mesma tabela de preços.

Antes de assinar qualquer coisa, faça as mesmas cinco chamadas difíceis com cada finalista: um interlocutor que interrompe, um sotaque carregado, um pedido que o agente não sabe responder, uma transferência para um humano e uma ligação que cai no meio. Peça a latência no percentil 90, não a média. Os números da Hamming mostram o quanto a cauda se afasta da mediana.

Depois, confira as regras. Nos EUA, a FCC decidiu em 2024 que vozes geradas por IA contam como artificiais sob a TCPA, então chamadas ativas com IA exigem o consentimento prévio do destinatário (McDermott Will & Emery). Muitos estados também exigem o consentimento de todas as partes para gravar, então avise no início da chamada. E, se você usar uma voz clonada, precisa do consentimento de quem fala, e a lei local varia quanto à forma de documentá-lo. Nada disso substitui a orientação de um advogado.

Sobre o ToolRank

O ToolRank é o mecanismo de ranking independente da ToolPotion, e a posição não pode ser comprada. Todo ranking, inclusive este, faz parte do conjunto completo de rankings. Você pode explorar a categoria inteira no diretório de agentes de voz com IA ou ver a lista ao vivo dos 150 melhores agentes de voz.

Nomes em ascensão e novatos para ficar de olho

Logo depois do top 25, a Plivo AI Agents (28ª) vem de uma empresa de APIs de comunicação e aposta em construtores no-code. A Wizi (27ª) mira operações corporativas de alto volume, e a Phonely AI (31ª) é um produto de atendimento telefônico para pequenas empresas. A Replicant (33ª) vende automação de atendimento ao cliente modelada nos melhores atendentes da empresa.

Os especialistas verticais são a tendência silenciosa. A Numa e a Toma atendem concessionárias de carros, e a ConverseNow recebe pedidos de restaurantes. Uma ferramenta específica treinada em um só tipo de chamada costuma superar uma plataforma geral nessa chamada.

Se voz é apenas uma parte de um projeto maior, estes rankings se sobrepõem: ferramentas de IA para atendentes de suporte ao cliente, construtores de chatbot, análise de chamadas de vendas e construtores de agentes de IA.

Perguntas frequentes

Qual é o melhor agente de voz com IA em 2026?

A ElevenLabs é a 1ª no ranking de 2026, com nota 80 no ToolRank. Para desenvolvedores, a Vapi costuma ser a primeira parada. Para grandes empresas, Sierra e Bland lideram. A melhor depende de quem vai operá-la.

Quanto custa um agente de voz com IA por minuto?

As tarifas de plataforma publicadas vão de cerca de um centavo (sessões da LiveKit) a catorze centavos (Bland Start). Somando os custos de fala, modelo de linguagem e telefonia, o valor real sobe. A faixa de destaque da Retell para uma chamada completa é de US$ 0,07 a US$ 0,31.

Preciso de um desenvolvedor para configurar um?

Para Vapi, Retell e LiveKit, sim, pelo menos na primeira construção. Voiceflow, Synthflow e Quo foram pensadas para que quem não é engenheiro configure os agentes, e Bland e Sierra fazem a maior parte da configuração por você.

Com que rapidez um agente de voz com IA deve responder?

Em menos de cerca de 800 milissegundos a partir do fim da frase do interlocutor. A mediana em mais de 10 milhões de minutos em produção é de 1,4 a 1,7 segundo, então um agente rápido vai se destacar.

É legal usar agentes de voz com IA em ligações telefônicas?

Muitas vezes sim, mas com condições. Nos EUA, vozes geradas por IA em chamadas ativas exigem consentimento prévio sob a TCPA, e muitos estados exigem o consentimento de todos para gravar. As regras variam em outros lugares, então confira a lei local.

Um agente de voz com IA pode passar a ligação para um humano?

Sim, e você deve exigir isso. A Dialpad lista a transferência da IA para humanos como recurso central, e a Bland cobra o tempo de transferência à parte, então isso é uma parte normal do fluxo da chamada.