---
title: Coste y capacidad de agentes de voz — planificador mensual
description: Estima coste mensual, coste por llamada, unidades facturables, concurrencia, workers y límites de proveedor para un agente de voz.
keywords: coste agente de voz, voice agent cost, calculadora voice AI, concurrencia voz, capacidad agentes IA, coste STT, coste TTS, coste LLM voz
hide:
  - toc
  - navigation
  - footer
---

<link rel="stylesheet" href="/stylesheets/tools.css" />
<link rel="stylesheet" href="/stylesheets/tools-voice-cost-capacity.css" />
<script src="/assets/javascripts/tools/voice-cost-capacity-core.js" defer></script>
<script src="/assets/javascripts/tools/voice-cost-capacity.js" defer></script>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "WebApplication",
  "name": "Planificador de coste y capacidad para agentes de voz — 5sigmas",
  "url": "https://5sigmas.com/herramientas/coste-capacidad-agente-voz/",
  "applicationCategory": "DeveloperApplication",
  "operatingSystem": "Any",
  "isAccessibleForFree": true,
  "description": "Planificador interactivo de coste mensual, unidades facturables y capacidad concurrente para agentes de voz.",
  "featureList": ["Coste por llamada", "Coste por minuto", "Telefonía y Media Streams", "STT", "TTS", "Tokens LLM", "Concurrencia de llamadas", "Concurrencia de proveedor", "Workers", "Escenario compartible", "Exportación JSON"],
  "isPartOf": {"@type": "WebSite", "name": "5sigmas", "url": "https://5sigmas.com/"}
}
</script>

<div class="s5-landing s5-tool-page" data-s5-voice-cost-capacity data-locale="es">

<section class="s5-page-intro">
  <div class="s5-eyebrow">Herramientas · Voz · 10</div>
  <h1>Convierte tráfico de llamadas en coste mensual y capacidad necesaria.</h1>
  <p>Separa minutos conectados, audio enviado a STT, audio sintetizado, caracteres y tokens del modelo. Después dimensiona workers y límites de proveedor sin confundir llamadas simultáneas con peticiones TTS simultáneas.</p>
</section>

<div class="s5-tool-summary-strip" aria-label="Qué calcula el planificador">
  <div><small>Coste</small><strong>telefonía + media + STT + LLM + TTS</strong></div>
  <div><small>Volumen</small><strong>minutos y unidades facturables por componente</strong></div>
  <div><small>Capacidad</small><strong>pico de llamadas, workers y concurrencia de proveedor</strong></div>
</div>

<div class="s5-tool-workbench">
  <form class="s5-tool-controls" data-s5-tool-form aria-label="Escenario de coste y capacidad de agente de voz" onsubmit="return false">
    <section class="s5-tool-controls__section">
      <h2>Tráfico y uso</h2>
      <div class="s5-tool-field-grid">
        <div class="s5-tool-field"><label for="s5-vcc-es-calls">Llamadas al mes</label><input id="s5-vcc-es-calls" data-field="callsPerMonth" type="number" min="0" step="100" value="10000" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-duration">Duración media (min)</label><input id="s5-vcc-es-duration" data-field="averageCallMinutes" type="number" min="0" step="0.1" value="4" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-user">Audio facturable en STT (%)</label><input id="s5-vcc-es-user" data-field="userSpeechPercent" type="number" min="0" max="100" step="1" value="42" /><small>Fracción del tiempo conectado que realmente envías/facturas como audio STT. Pon 100% si mantienes audio continuo.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-agent">Audio sintetizado del agente (%)</label><input id="s5-vcc-es-agent" data-field="agentSpeechPercent" type="number" min="0" max="100" step="1" value="38" /><small>Fracción del tiempo conectado reproducida como TTS. Puede solaparse con audio del usuario durante barge-in.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-hours">Horas de servicio al mes</label><input id="s5-vcc-es-hours" data-field="serviceHoursPerMonth" type="number" min="0" step="1" value="220" /><small>Convierte volumen mensual en concurrencia media.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-peak">Pico de llamadas simultáneas</label><input id="s5-vcc-es-peak" data-field="peakConcurrency" type="number" min="0" step="1" value="35" /><small>Debe venir de trazas o forecast; no puede reconstruirse desde la media mensual.</small></div>
      </div>
    </section>

    <section class="s5-tool-controls__section">
      <h2>Capacidad</h2>
      <div class="s5-tool-field-grid">
        <div class="s5-tool-field"><label for="s5-vcc-es-util">Utilización objetivo por worker (%)</label><input id="s5-vcc-es-util" data-field="targetWorkerUtilizationPercent" type="number" min="1" max="100" step="1" value="70" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-spw">Sesiones máximas por worker</label><input id="s5-vcc-es-spw" data-field="sessionsPerWorker" type="number" min="1" step="1" value="50" /><small>Capacidad medida de tu runtime, no un límite universal.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-ss">Sesiones STT por llamada activa</label><input id="s5-vcc-es-ss" data-field="sttSessionsPerCall" type="number" min="0" step="0.1" value="1" /><small>1 = una sesión STT persistente por llamada. Cámbialo si compartes, multiplexas o abres más de una.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-td">Duty de generación TTS (%)</label><input id="s5-vcc-es-td" data-field="ttsGenerationDutyPercent" type="number" min="0" max="100" step="0.5" value="5" /><small>Fracción de llamadas pico que generan audio TTS a la vez. No es el porcentaje de tiempo que el audio está sonando.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-stt-limit">Límite concurrente STT</label><input id="s5-vcc-es-stt-limit" data-field="sttConcurrencyLimit" type="number" min="0" step="1" value="0" /><small>0 = no comprobar. Introduce el límite real de tu cuenta/proveedor si existe.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-tts-limit">Límite concurrente TTS</label><input id="s5-vcc-es-tts-limit" data-field="ttsConcurrencyLimit" type="number" min="0" step="1" value="0" /><small>0 = no comprobar. Para WebSocket, usa la semántica de concurrencia documentada por tu proveedor.</small></div>
      </div>
    </section>

    <section class="s5-tool-controls__section">
      <h2>Tarifas por uso</h2>
      <div class="s5-tool-field-grid">
        <div class="s5-tool-field"><label for="s5-vcc-es-tel">Telefonía (USD/min conectado)</label><input id="s5-vcc-es-tel" data-field="telephonyUsdPerConnectedMinute" type="number" min="0" step="0.0001" value="0.0178" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-media">Media Stream (USD/min conectado)</label><input id="s5-vcc-es-media" data-field="mediaStreamUsdPerConnectedMinute" type="number" min="0" step="0.0001" value="0.0044" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-stt">STT (USD/min de audio)</label><input id="s5-vcc-es-stt" data-field="sttUsdPerUserAudioMinute" type="number" min="0" step="0.0001" value="0.017" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-tts">TTS (USD/1.000 caracteres)</label><input id="s5-vcc-es-tts" data-field="ttsUsdPer1000Characters" type="number" min="0" step="0.001" value="0.05" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-chars">Caracteres por minuto sintetizado</label><input id="s5-vcc-es-chars" data-field="charactersPerAgentMinute" type="number" min="0" step="10" value="1000" /><small>Supuesto editable para convertir minutos de audio del agente en caracteres TTS.</small></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-fixed">Otros costes fijos (USD/llamada)</label><input id="s5-vcc-es-fixed" data-field="fixedUsdPerCall" type="number" min="0" step="0.001" value="0" /></div>
      </div>
    </section>

    <section class="s5-tool-controls__section">
      <h2>LLM por llamada</h2>
      <div class="s5-tool-field-grid">
        <div class="s5-tool-field"><label for="s5-vcc-es-it">Tokens de entrada</label><input id="s5-vcc-es-it" data-field="llmInputTokensPerCall" type="number" min="0" step="100" value="1400" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-ot">Tokens de salida</label><input id="s5-vcc-es-ot" data-field="llmOutputTokensPerCall" type="number" min="0" step="50" value="220" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-ip">Entrada (USD/MTok)</label><input id="s5-vcc-es-ip" data-field="llmInputUsdPerMillionTokens" type="number" min="0" step="0.01" value="0.2" /></div>
        <div class="s5-tool-field"><label for="s5-vcc-es-op">Salida (USD/MTok)</label><input id="s5-vcc-es-op" data-field="llmOutputUsdPerMillionTokens" type="number" min="0" step="0.01" value="1.2" /></div>
      </div>
      <div class="s5-tool-actions" aria-label="Acciones del escenario">
        <button class="s5-tool-action" type="button" data-action="share">Copiar enlace</button>
        <button class="s5-tool-action" type="button" data-action="export">Exportar JSON</button>
        <button class="s5-tool-action" type="button" data-action="reset">Restablecer referencia</button>
      </div>
      <p class="s5-tool-feedback" data-s5-tool-feedback hidden aria-live="polite"></p>
    </section>
  </form>

  <section class="s5-tool-results" aria-label="Resultados de coste y capacidad" aria-live="polite">
    <div class="s5-tool-kpis s5-voice-cost-kpis">
      <div class="s5-tool-kpi"><small>Coste mensual</small><strong data-output="monthlyCost">—</strong><span data-output="largestCost">—</span></div>
      <div class="s5-tool-kpi"><small>Coste por llamada</small><strong data-output="costPerCall">—</strong><span>incluye todas las partidas modeladas</span></div>
      <div class="s5-tool-kpi"><small>Coste por minuto conectado</small><strong data-output="costPerMinute">—</strong><span>comparable entre escenarios de distinta duración</span></div>
    </div>

    <div class="s5-voice-cost-usage" aria-label="Volumen mensual derivado">
      <div><small>Minutos conectados</small><strong data-output="connectedMinutes">—</strong></div>
      <div><small>Audio facturable STT</small><strong data-output="userMinutes">—</strong></div>
      <div><small>Audio sintetizado</small><strong data-output="agentMinutes">—</strong></div>
    </div>

    <div class="s5-voice-cost-breakdown" aria-label="Desglose del coste mensual">
      <div class="s5-voice-cost-row" data-cost-row="telephony"><span>Telefonía</span><div class="s5-voice-cost-row__track"></div><strong data-cost-amount>—</strong><small data-cost-share>—</small></div>
      <div class="s5-voice-cost-row" data-cost-row="media"><span>Media Streams</span><div class="s5-voice-cost-row__track"></div><strong data-cost-amount>—</strong><small data-cost-share>—</small></div>
      <div class="s5-voice-cost-row" data-cost-row="stt"><span>STT</span><div class="s5-voice-cost-row__track"></div><strong data-cost-amount>—</strong><small data-cost-share>—</small></div>
      <div class="s5-voice-cost-row" data-cost-row="tts"><span>TTS</span><div class="s5-voice-cost-row__track"></div><strong data-cost-amount>—</strong><small data-cost-share>—</small></div>
      <div class="s5-voice-cost-row" data-cost-row="llm"><span>LLM</span><div class="s5-voice-cost-row__track"></div><strong data-cost-amount>—</strong><small data-cost-share>—</small></div>
      <div class="s5-voice-cost-row" data-cost-row="fixed"><span>Fijo por llamada</span><div class="s5-voice-cost-row__track"></div><strong data-cost-amount>—</strong><small data-cost-share>—</small></div>
    </div>

    <div class="s5-voice-capacity-grid" aria-label="Capacidad concurrente">
      <div><small>Concurrencia media</small><strong data-output="averageConcurrency">—</strong><span>Pico/media: <span data-output="peakRatio">—</span></span></div>
      <div><small>Workers requeridos</small><strong data-output="workers">—</strong><span>sesiones objetivo / físicas: <span data-output="workerRead">—</span></span></div>
      <div><small>Sesiones STT en pico</small><strong data-output="sttStreams">—</strong><span class="s5-voice-quota" data-output="sttQuota">—</span></div>
      <div><small>Peticiones TTS generando en pico</small><strong data-output="ttsStreams">—</strong><span class="s5-voice-quota" data-output="ttsQuota">—</span></div>
    </div>

    <div class="s5-voice-cost-reference">
      <div><small>Snapshot de referencia</small><strong data-field="presetLabel">Referencia España · cascada</strong><p data-output="presetNote">Tarifas y supuestos públicos verificados el 21-08-2026; edítalos para reflejar tu contrato, región y arquitectura.</p></div>
      <strong>Datos: <span data-output="sourceUpdated">2026-08-21</span></strong>
    </div>

    <aside class="s5-tool-source" aria-label="Procedencia del escenario">
      <div class="s5-tool-source__head"><a href="https://www.twilio.com/en-us/voice/pricing/es" target="_blank" rel="noopener noreferrer">Twilio · Voice pricing Spain</a><span>Verificado 21-08-2026</span></div>
      <p>El preset usa 0,0178 USD/min para una llamada saliente local a España y 0,0044 USD/min para Media Streams. Móvil, entrante, SIP/BYOC, impuestos, números mensuales y descuentos pueden cambiar la factura.</p>
    </aside>
  </section>
</div>

<section class="s5-tool-method" aria-labelledby="s5-vcc-method">
  <div><div class="s5-eyebrow">Método</div><h2 id="s5-vcc-method">Coste y capacidad no comparten la misma unidad.</h2></div>
  <div class="s5-tool-method__body s5-tool-method__notes">
    <p><strong>Facturación.</strong> Telefonía y Media Streams siguen tiempo conectado; STT depende del audio que realmente procesas; TTS puede facturarse por caracteres; el LLM por tokens. El porcentaje de audio STT debe representar tu pipeline real: si envías la pista completa, usa 100%, aunque el usuario guarde silencio.</p>
    <div class="s5-tool-method__formula">monthly_cost = connected_min × (telephony + media) + stt_audio_min × STT + agent_chars/1000 × TTS + LLM_tokens + fixed_per_call</div>
    <p><strong>Concurrencia de llamadas.</strong> La media sale del volumen y las horas de servicio. El pico debe venir de trazas o forecast. Dimensionar solo con la media es insuficiente cuando la llegada de llamadas es irregular.</p>
    <div class="s5-tool-method__formula">avg_concurrency = connected_minutes / service_minutes</div>
    <div class="s5-tool-method__formula">workers = ceil(peak_calls / (sessions_per_worker × target_utilization))</div>
    <p><strong>STT.</strong> En una cascada típica, una llamada mantiene una sesión de transcripción persistente; por eso el preset usa 1 sesión STT por llamada activa. Es un supuesto editable. Twilio documenta una conexión WebSocket por Media Stream y un único stream bidireccional por llamada.</p>
    <div class="s5-tool-method__formula">stt_concurrency ≈ peak_calls × stt_sessions_per_call</div>
    <p><strong>TTS.</strong> No uses el porcentaje de audio reproducido como concurrencia de proveedor. ElevenLabs documenta que, con WebSocket, solo cuenta el tiempo durante el que el modelo genera audio y señala que un límite de 5 puede soportar aproximadamente 100 conversaciones equilibradas. El 5% inicial reproduce esa heurística (5/100); es editable y no sustituye una medición p95/p99 de tus peticiones.</p>
    <div class="s5-tool-method__formula">tts_concurrency ≈ peak_calls × generation_duty</div>
    <p><strong>Tarifas iniciales.</strong> A 21-08-2026: Twilio España publica 0,0178 USD/min para llamada saliente local y 0,0044 USD/min para Media Streams; OpenAI publica GPT Live Transcribe a 0,017 USD/min de audio y GPT-5.6 Luna a 0,20/1,20 USD por MTok de entrada/salida; ElevenLabs publica Flash/Turbo TTS a 0,05 USD por 1.000 caracteres. Todas las cifras siguen siendo editables.</p>
    <div class="s5-voice-cost-note"><strong>No es una factura ni un SLA.</strong> No incluye número telefónico mensual, impuestos, recording, observability, tool calls, storage, transferencias, descuentos por volumen ni mínimos contractuales. Los límites de concurrencia dependen del plan/proveedor y deben introducirse desde tu cuenta real.</div>
    <p>Para optimizar tiempo de respuesta, usa también el <a href="/herramientas/latencia-agente-voz/">explorador de latencia de agentes de voz</a>. Para comparar arquitecturas, consulta <a href="/articulos-tecnicos/voice-agent-architectures/">tres arquitecturas para agentes de voz</a>.</p>
    <p><strong>Fuentes:</strong> <a href="https://www.twilio.com/en-us/voice/pricing/es" target="_blank" rel="noopener noreferrer">Twilio Voice Spain</a> · <a href="https://www.twilio.com/docs/voice/media-streams" target="_blank" rel="noopener noreferrer">Twilio Media Streams</a> · <a href="https://developers.openai.com/api/docs/models/gpt-live-transcribe" target="_blank" rel="noopener noreferrer">OpenAI GPT Live Transcribe</a> · <a href="https://developers.openai.com/api/docs/models/gpt-5.6-luna" target="_blank" rel="noopener noreferrer">OpenAI GPT-5.6 Luna</a> · <a href="https://elevenlabs.io/pricing/api" target="_blank" rel="noopener noreferrer">ElevenLabs API pricing</a> · <a href="https://elevenlabs.io/docs/overview/models" target="_blank" rel="noopener noreferrer">ElevenLabs concurrency</a>. Revisadas el 21-08-2026.</p>
  </div>
</section>

</div>