Centralino AI: le 10 migliori piattaforme per agenti vocali del 2026 (e il vero costo al minuto)

Ogni piattaforma per creare un centralino AI mette in evidenza un prezzo al minuto, ma quasi mai è quello che si finisce davvero per pagare. I "$0.05/min" di Vapi coprono soltanto il livello di orchestrazione. Una volta aggiunti speech-to-text, modello, voce e linea telefonica, quei cinque centesimi diventano abitualmente da quindici a venti centesimi al minuto.

La domanda da porsi, quindi, non è «qual è il servizio più economico al minuto?», ma «chi deve svilupparlo e per quale volume di chiamate?». Per uno sviluppatore che deve portare in produzione un agente telefonico, Retell AI e Vapi sono le prime due piattaforme da provare: Retell prevale per affidabilità, Vapi per flessibilità. Per chi non programma, Synthflow è il builder no-code che permette di andare online più rapidamente, mentre Voiceflow è più adatto a progettare flussi complessi. Se la priorità assoluta è una voce realistica, ElevenLabs Agents offre le voci più convincenti e le include a $0.08/min. Per un contact center enterprise, invece, Sierra è la soluzione gestita con tariffazione a risultato, ma ha senso solo quando il volume di chiamate è già consistente.

Per ogni piattaforma, i prezzi riportati di seguito provengono dalla pagina ufficiale disponibile questo mese e indicano il costo complessivo, non soltanto quello promozionale. Diversi piani sono cambiati negli ultimi sei mesi: Bland ha riorganizzato l'offerta a dicembre e OpenAI ha ridotto i prezzi di Realtime. I dati sono quindi aggiornati a giugno 2026.

Che cos'è una piattaforma per agenti vocali AI?

Una piattaforma per agenti vocali AI è un software capace di gestire dall'inizio alla fine una conversazione telefonica in tempo reale: ascolta chi chiama, comprende ciò che dice, decide come intervenire e risponde con una rapidità sufficiente a rendere lo scambio naturale. Dietro le quinte svolge quattro attività concatenate: lo speech-to-text, che converte l'audio in parole; un modello linguistico, che formula la risposta; il text-to-speech, che la trasforma di nuovo in voce; e la telefonia, cioè il collegamento vero e proprio. Alcune piattaforme forniscono tutti e quattro i componenti già integrati e richiedono soltanto di definire l'agente. Altre offrono l'orchestrazione e lasciano scegliere i singoli servizi da collegare. È soprattutto questa differenza a separare gli strumenti della selezione.

Come funzionano davvero i prezzi di un centralino AI

È qui che si determina, senza troppo clamore, l'importo della fattura. Al costo della piattaforma si sommano quattro livelli: speech-to-text, token del modello linguistico, text-to-speech e minuti di telefonia. Quasi sempre un prezzo in evidenza come "$0.05/min" riguarda solo l'orchestrazione, ossia il collante tra i componenti, e lascia fuori tutto il resto.

Per questo lo stesso agente può avere costi molto diversi. Sulle piattaforme per sviluppatori, un prezzo dichiarato tra cinque e nove centesimi arriva in genere a circa $0.13-$0.20 al minuto tutto compreso, dopo aver aggiunto voce, modello, riconoscimento vocale e linea telefonica. I builder no-code, invece, applicano un canone mensile che include un certo numero di minuti: è più semplice, ma il costo effettivo è molto più alto, circa $0.45-$0.58 al minuto per i piani di Synthflow. Scegliendo uno sviluppo interamente personalizzato con la OpenAI Realtime API, la fatturazione avviene per token audio e il totale si aggira sui $0.25-$0.35 al minuto anche con la cache. Nessun modello di prezzo è di per sé sbagliato, ma confrontare solo le tariffe in vetrina non serve. Per questo ogni scheda riporta sia il prezzo dichiarato sia il costo reale complessivo, così da mettere a confronto valori omogenei.

Le 10 migliori piattaforme per centralino AI a confronto

1. Retell AI: la scelta più affidabile per gli agenti telefonici in produzione

Retell AI è la piattaforma per sviluppatori a cui molti team si affidano quando un agente deve funzionare davvero nelle chiamate con i clienti. La prima ragione è l'affidabilità: gestisce le interruzioni con naturalezza, senza andare in crisi se l'interlocutore parla sopra l'agente; mantiene coerenti i flussi di assistenza articolati in più passaggi; e restituisce dati strutturati al CRM. Sono proprio questi aspetti, poco appariscenti ma essenziali, a distinguere una demo da un sistema in produzione. Un caso d'uso concreto è una linea di assistenza inbound che verifica l'identità del cliente, recupera l'ordine e risolve il problema oppure trasferisce la chiamata a un operatore insieme a tutto il contesto. La tariffazione è realmente a consumo e non impone un abbonamento base, perciò anche un agente con poco traffico resta economico. Va però considerato il costo effettivo: come sulle altre piattaforme per sviluppatori, i $0.07/min pubblicizzati diventano circa $0.13/min dopo aver aggiunto modello e telefonia.

Ideale per: Sviluppatori che portano in produzione agenti telefonici inbound e outbound
Punto di forza: Gestione naturale delle interruzioni e flussi articolati affidabili
Prezzo: $0.07-0.08/min a consumo (Conversation Voice Engine), nessun abbonamento base; ~$0.13/min tutto compreso
Prova gratuita: Tariffazione a consumo senza minimo mensile, quindi si può iniziare su scala ridotta

2. Vapi: la scelta per gli sviluppatori che vogliono il pieno controllo

Vapi è pensata per i team tecnici che vogliono controllare ogni livello dello stack. Questa libertà è al tempo stesso il suo vantaggio e il lavoro aggiuntivo che richiede. Vapi fornisce l'orchestrazione, cioè la gestione della conversazione in tempo reale, e consente di usare servizi propri per speech-to-text, modello linguistico e voce. È quindi possibile collegare OpenAI, Claude o Gemini e ottimizzare con precisione latenza e costi. Un esempio realistico è un'azienda che ha già contratti con i fornitori di modelli e preferisce instradare le chiamate attraverso il proprio deployment GPT o Claude anziché adottare lo stack preconfezionato di un vendor. L'insidia è nel prezzo: i $0.05/min per la piattaforma, con 1,000 minuti gratuiti al mese per iniziare, sembrano l'opzione meno cara della lista. In realtà coprono solo il livello Vapi; voce, modello e riconoscimento vocale forniti separatamente aggiungono circa $0.08-$0.25 al minuto, portando il costo complessivo nella stessa fascia di tutti gli altri, tra $0.13 e $0.20.

Ideale per: Team tecnici che vogliono usare i propri modelli e ottimizzare lo stack
Punto di forza: Massima flessibilità, con qualsiasi STT, LLM (OpenAI/Claude/Gemini) e TTS
Prezzo: $0.05/min per la piattaforma più 1,000 minuti gratuiti/mese; le chiavi proprie aggiungono ~$0.08-0.25/min; costo reale complessivo ~$0.13-0.20/min
Prova gratuita: 1,000 minuti gratuiti ogni mese

3. Bland AI: la scelta per le chiamate outbound ad alto volume

Bland AI nasce per gestire telefonate su larga scala e ha un'impostazione orientata all'enterprise. Utilizza un proprio stack di modelli in self-hosting anziché una serie di chiavi di terze parti. Grazie a questa integrazione verticale si presta alle attività outbound ad alto volume, come il contatto commerciale o i promemoria degli appuntamenti, dove mantenere la stessa qualità su migliaia di chiamate conta più della possibilità di sostituire il modello. A dicembre 2025 Bland è passata dalla tariffa fissa al minuto a un sistema a livelli: il piano Start gratuito costa $0.14/min senza canone mensile, mentre Build costa $299/mese e riduce la tariffa a $0.12/min. I conti tornano a favore di Build soltanto in presenza di volumi importanti. Nei mercati occidentali il costo complessivo è compreso tra $0.11 e $0.14/min. Va infine ricordato che Bland è progettata per operazioni su vasta scala, spesso outbound: per una singola linea di assistenza con poco traffico è più strutturata del necessario.

Ideale per: Chiamate outbound ad alto volume su scala enterprise
Punto di forza: Stack proprietario e integrato verticalmente, uniforme su migliaia di chiamate
Prezzo: Piano Start gratuito, $0.14/min; piano Build $299/mese, $0.12/min (ristrutturato a dicembre 2025); costo complessivo $0.11-0.14/min
Prova gratuita: Piano Start gratuito, con pagamento al minuto

4. Synthflow: il miglior builder no-code

Synthflow è la piattaforma che permette a chi non sviluppa software di mettere in funzione un agente telefonico nel minor tempo possibile. Rinuncia a parte della flessibilità degli strumenti per programmatori in cambio di un vero builder visuale no-code. L'agente si costruisce in un'interfaccia in cui gli elementi si trascinano e si collegano, poi si associa alla base di conoscenza e al numero di telefono e può andare online senza configurare alcuna chiave API. È una soluzione particolarmente adatta a una piccola impresa o a un responsabile operativo che vuole automatizzare prenotazioni o chiamate con domande frequenti. Il prezzo dipende dal piano, non soltanto dall'uso: Starter costa $29/mese per 50 minuti, Pro $99/mese per 200 minuti, Growth $449/mese per 1,000 minuti e Agency $899/mese per 2,000 minuti. Bisogna però guardare alla tariffa effettiva: questi pacchetti equivalgono a circa $0.45-$0.58 al minuto, diverse volte il costo delle piattaforme per sviluppatori. È il sovrapprezzo della comodità no-code. Sotto qualche centinaio di minuti mensili può essere un compromesso sensato; oltre quella soglia, i numeri spingono verso una piattaforma per sviluppatori.

Ideale per: Chi non programma e i piccoli team che vogliono partire senza sviluppo tecnico
Punto di forza: Vero builder visuale no-code, operativo in un pomeriggio
Prezzo: Starter $29/mese (50 min); Pro $99/mese (200 min); Growth $449/mese (1,000 min); Agency $899/mese (2,000 min). Costo effettivo ~$0.45-0.58/min
Prova gratuita: Disponibile

5. ElevenLabs Agents: la scelta migliore per una voce realistica

ElevenLabs Agents è la scelta naturale quando la qualità della voce coincide con il valore del prodotto. ElevenLabs offre le voci più naturali ed espressive del settore e ora le integra in un agente conversazionale completo. Per un servizio rivolto ai clienti, dove una voce robotica comprometterebbe la fiducia — una linea concierge, un'esperienza di prenotazione premium o un assistente di brand — questa è la piattaforma in cui la voce diventa una funzione centrale, non un dettaglio. Il listino è insolitamente chiaro per la categoria: ogni piano comprende un pacchetto di minuti, da 75 a 12,375 a seconda del livello; oltre quella soglia si pagano $0.08/min, con la voce della qualità migliore inclusa e senza un costo separato per usare una voce propria. I token del modello linguistico vengono addebitati al costo. Il limite è il rovescio della medaglia: ElevenLabs nasce attorno alla voce. Per logiche CRM profonde o instradamenti complessi può essere preferibile affidare la conversazione a una piattaforma per sviluppatori e usare ElevenLabs come livello vocale.

Ideale per: Agenti rivolti ai clienti in cui la qualità della voce fa la differenza
Punto di forza: Le voci più naturali, incluse senza costi vocali aggiuntivi
Prezzo: Minuti inclusi nel piano (da 75 a 12,375), poi $0.08/min; qualità vocale inclusa, token LLM addebitati al costo
Prova gratuita: Piano gratuito con minuti inclusi

6. Voiceflow: la scelta migliore per progettare conversazioni complesse

Voiceflow è la piattaforma a cui si rivolgono i team quando è la conversazione stessa a essere complessa. Il suo canvas visuale serve a progettare flussi ramificati sia per la chat sia per la voce. Invece di basare il prezzo soprattutto sui minuti, Voiceflow vende crediti e postazioni editor: una formula adatta ai gruppi in cui designer e product manager collaborano alla logica dell'agente prima ancora di effettuare una chiamata. Un buon caso d'uso è il prototipo di un IVR multilingue o di un percorso di assistenza con decine di diramazioni, da perfezionare sul canvas prima di collegare il livello vocale. Il listino prevede una Sandbox gratuita con 100 crediti, sufficienti per circa 10 minuti di test telefonici; Pro a $60/mese con 10,000 crediti; e Business a $250/mese con 50,000 crediti. Le postazioni editor costano $50/mese ciascuna su qualsiasi livello, con uno sconto annuale del 10%. La voce assorbe circa $0.08/min in crediti, a cui si aggiungono $0.01-$0.03/min di telefonia. Il limite è evidente: le chiamate consumano rapidamente i crediti. Voiceflow eccelle quindi nel design e nella chat, ma diventa costosa come runtime vocale ad alto volume.

Ideale per: Team che progettano conversazioni complesse, ramificate e multicanale
Punto di forza: Canvas visuale collaborativo per flussi chat e vocali
Prezzo: Sandbox gratuita; Pro $60/mese (10,000 crediti); Business $250/mese (50,000 crediti); postazioni editor $50/mese ciascuna; ~$0.08/min per la voce + telefonia
Prova gratuita: Livello Sandbox gratuito

Se si preferisce acquistare un prodotto finito anziché costruirne e progettarne uno, le soluzioni chiavi in mano di questa categoria meritano una selezione dedicata.

I migliori receptionist AI del 2026

Le soluzioni chiavi in mano: receptionist AI da acquistare e attivare, ordinate con prezzi reali, al posto delle piattaforme su cui sviluppare.

7. GoHighLevel Voice AI: la scelta per agenzie e PMI che usano già GoHighLevel

GoHighLevel Voice AI è la scelta più immediata per un'azienda o un'agenzia che lavora già con GoHighLevel, perché l'agente vocale si integra con CRM, calendari e automazioni esistenti. Per un'agenzia di marketing che gestisce molti clienti tra le piccole imprese, proprio questa integrazione è il vantaggio principale: l'AI risponde alle telefonate, fissa gli appuntamenti direttamente nel calendario del cliente e registra ogni attività nel CRM, senza richiedere un ulteriore strumento da collegare. Sono disponibili due modalità di prezzo: il pagamento a consumo, in media circa $0.163/min, composto da $0.06/min per il motore vocale più i token del modello linguistico; oppure l'add-on AI Employee Unlimited a $97/mese per ciascun sub-account, che include Voice AI insieme alle altre funzioni AI, mentre i costi del sistema telefonico restano a consumo. Il compromesso è che GoHighLevel Voice AI risulta davvero convincente soltanto all'interno dell'ecosistema GoHighLevel. Come soluzione indipendente, le piattaforme per sviluppatori offrono più capacità a un costo inferiore.

Ideale per: Agenzie e PMI che gestiscono già CRM e automazioni su GoHighLevel
Punto di forza: Integrazione nativa e pronta all'uso con CRM, calendario e automazioni
Prezzo: A consumo ~$0.163/min (motore vocale $0.06/min + token LLM), oppure AI Employee Unlimited a $97/mese per sub-account (i costi telefonici restano a consumo)
Prova gratuita: Incluso in un piano GoHighLevel

8. OpenAI Realtime API: la scelta per sviluppi completamente personalizzati

La OpenAI Realtime API è il livello di base per i team che vogliono costruire da zero un agente vocale senza una piattaforma intermedia. Il modello gpt-realtime è speech-to-speech: ascolto e risposta avvengono nello stesso modello, invece di concatenare STT e TTS separati. È questa architettura a rendere rapido e naturale un agente ben realizzato. È indicata per un product team con solide competenze ingegneristiche che vuole il controllo completo su comportamento e dati; quasi sempre viene affiancata a un framework di trasporto, come LiveKit nella scheda seguente, anziché essere usata da sola. Quanto ai prezzi, gpt-realtime costa $32 per milione di token audio in input ($0.40 per l'input in cache) e $64 per milione di token audio in output. È una riduzione del 20% rispetto al precedente modello preview e corrisponde a circa $0.25-$0.35/min tutto compreso con la cache. La realtà è che questa opzione offre la massima potenza, ma richiede anche il massimo lavoro: in produzione il costo può arrivare a $0.80-$1.20 per chiamata su larga scala, e il team deve occuparsi di tutto ciò che una piattaforma gestirebbe al suo posto.

Ideale per: Team di ingegneria che sviluppano un agente completamente personalizzato e vogliono il controllo totale
Punto di forza: Modello speech-to-speech gpt-realtime per conversazioni naturali e a bassa latenza
Prezzo: $32/1M token audio in input ($0.40 in cache); $64/1M token audio in output (20% in meno rispetto al modello precedente); ~$0.25-0.35/min tutto compreso con la cache
Prova gratuita: Crediti di prova API per i nuovi account

9. LiveKit Agents: il miglior framework open source

LiveKit Agents è la risposta open source per i team che vogliono una soluzione vocale pronta per la produzione senza pagare una commissione di piattaforma al minuto. Con discrezione è diventato lo standard di fatto per gli sviluppi personalizzati più seri. È un framework aperto e gratuito che gestisce la parte più difficile dell'infrastruttura in tempo reale, ossia lo streaming audio via WebRTC, il protocollo impiegato nelle videochiamate. Si può collegare qualsiasi combinazione di speech-to-text, modello linguistico e text-to-speech, oppure un modello speech-to-speech come la Realtime API di OpenAI. È adatto a un team di ingegneria che vuole mantenere il controllo dello stack ed evitare il vendor lock-in: il framework può essere gestito in self-hosting, pagando soltanto i modelli e la telefonia effettivamente utilizzati. Essendo gratuito, questi sono infatti gli unici costi, insieme all'eventuale utilizzo di LiveKit Cloud se non si sceglie il self-hosting. Il compromesso è quello tipico dell'open source: massimo controllo e dipendenza minima dal fornitore, ma sviluppo, scalabilità e manutenzione restano responsabilità del team.

Ideale per: Team di ingegneria che vogliono soluzioni open source in produzione senza lock-in
Punto di forza: Framework gratuito, indipendente dal modello, che gestisce il trasporto audio in tempo reale
Prezzo: Il framework open source è gratuito; si pagano soltanto modelli e telefonia (più l'uso di LiveKit Cloud se non si adotta il self-hosting)
Prova gratuita: Gratuito e open source per sempre

10. Sierra: la scelta per i contact center enterprise

Sierra è la proposta enterprise della selezione: un agente per la customer experience interamente gestito, non una piattaforma da assemblare, destinato ai grandi contact center con requisiti su misura. Fondata da Bret Taylor, si presenta come una soluzione chiavi in mano capace di risolvere autonomamente i problemi dei clienti. Il modello di prezzo è il più particolare della lista: si paga a risultato, quindi quando l'agente chiude con successo un'interazione, evita una disdetta o porta a termine un upsell; in genere, le conversazioni non risolte non vengono addebitate. Per una grande impresa con volumi elevati, questo può allineare costi e valore. Le criticità riguardano scala e prevedibilità: Sierra non pubblica il prezzo per risoluzione, le stime di terze parti indicano contratti annuali da $150K in su con costi iniziali tra $50K e $200K, e una fatturazione legata ai risultati diventa difficile da prevedere quando le chiamate aumentano all'improvviso. Non è uno strumento da provare nel fine settimana, ma una decisione da ufficio acquisti.

Ideale per: Contact center enterprise che cercano un agente interamente gestito e tariffato a risultato
Punto di forza: Tariffazione basata sui risultati, con pagamento per ogni risoluzione riuscita
Prezzo: Personalizzato, a risultato (pagamento per risoluzione; in genere nessun addebito se il problema non viene risolto). Nessun prezzo pubblico per risoluzione; le stime di terze parti collocano il budget del primo anno a $200K-350K+
Prova gratuita: Nessuna; acquisto enterprise

Le soluzioni da evitare, o almeno da valutare con cautela

Nessuna di queste è una truffa, ma ciascuna rappresenta un modo prevedibile per spendere troppo o scegliere male:

• Decidere in base al prezzo al minuto più basso in evidenza. I $0.05 di Vapi non la rendono più economica dei $0.07 di Retell dopo aver aggiunto STT, LLM e TTS separati. Bisogna sempre confrontare il costo complessivo, che sulle piattaforme per sviluppatori tende a stabilizzarsi tra $0.13 e $0.20/min indipendentemente dalla tariffa esposta.
• Scegliere Sierra o un altro agente enterprise a risultato prima di avere volumi reali. Con contratti da $150K+ e costi iniziali elevati, Sierra ha senso soltanto alla scala di un contact center. Una startup dovrebbe partire da Retell, Vapi o LiveKit e fare il salto in un secondo momento.
• Restare vincolati a un builder no-code quando i volumi crescono. Synthflow e GoHighLevel sono ottimi per partire rapidamente, ma con qualche migliaio di minuti al mese il loro costo effettivo, spesso $0.45+ al minuto per i pacchetti no-code, supera di molto quello di una piattaforma per sviluppatori. Al crescere dei volumi, la scelta va rivalutata.
• Affidarsi agli strumenti «AI voice agent» poco credibili che affollano i risultati di ricerca. Una nuova ondata di prodotti vocali superficiali e ottimizzati per la SEO promette risultati eccezionali senza avere alle spalle un vero lavoro ingegneristico. Meglio attenersi alle piattaforme con una comprovata esperienza in produzione riportate sopra.

Domande frequenti

Qual è la migliore piattaforma per agenti vocali AI?

Per gli sviluppatori che realizzano agenti telefonici destinati alla produzione, le scelte sono Retell AI o Vapi: la prima prevale per affidabilità, la seconda per flessibilità. Per chi non programma, Synthflow è il modo più rapido per andare online. La risposta giusta dipende dalla capacità di scrivere codice e dal numero di chiamate da gestire: sono questi i due criteri da usare, non la posizione in classifica.

Esiste un builder gratuito per agenti vocali AI?

Sì, ci sono alcune opzioni. Vapi include 1,000 minuti gratuiti al mese, Voiceflow offre un livello Sandbox gratuito e LiveKit Agents è completamente open source e può essere gestito in self-hosting senza costi. In tutti i casi restano da pagare modelli e telefonia: «gratuito» si riferisce al livello della piattaforma, non all'intera chiamata.

Quanto costa al minuto un agente vocale AI?

I prezzi in evidenza vanno da circa $0.05 a $0.14 al minuto, ma di solito coprono soltanto l'orchestrazione della piattaforma. Aggiungendo speech-to-text, modello linguistico, voce e linea telefonica, il costo reale complessivo della maggior parte delle piattaforme per sviluppatori arriva a circa $0.13-$0.20 al minuto; i pacchetti no-code costano di più.

Qual è il miglior agente vocale AI open source?

LiveKit Agents è lo standard di fatto tra i framework open source per agenti vocali in produzione. Gestisce il trasporto audio in tempo reale e permette di collegare qualsiasi speech-to-text, modello linguistico e voce, oppure la OpenAI Realtime API per uno sviluppo speech-to-speech. Il self-hosting è gratuito; si pagano soltanto modelli e telefonia.

Quale AI offre la migliore qualità nelle conversazioni vocali?

ElevenLabs realizza le voci più naturali ed espressive e il prodotto Agents include questa qualità a $0.08 al minuto senza costi vocali separati. Quando il suono dell'agente è il criterio decisivo, è la prima piattaforma da provare, eventualmente lasciando la logica della chiamata a un altro servizio.

Quale piattaforma per agenti vocali conviene scegliere?

• Uno sviluppatore che deve pubblicare un vero agente telefonico: Retell AI per l'affidabilità oppure Vapi per usare modelli propri. Entrambe arrivano a circa $0.13/min tutto compreso, quindi la scelta dipende dall'esperienza di sviluppo.
• Chi non programma e vuole partire questa settimana: Synthflow per una configurazione no-code rapida, oppure Voiceflow se la logica della conversazione è davvero complessa e va progettata visivamente.
• Un'agenzia o una PMI che usa già GoHighLevel: GoHighLevel Voice AI, perché in questo caso l'integrazione con CRM e calendario vale più delle sole capacità tecniche.
• Qualità della voce prima di tutto: ElevenLabs Agents, con una tariffa chiara di $0.08/min.
• Controllo totale senza lock-in: LiveKit Agents insieme alla OpenAI Realtime API. È l'opzione più potente e anche quella che richiede più sviluppo.
• Un grande contact center enterprise: Sierra, quando il volume giustifica un contratto a risultato a sei cifre.

Se il confronto tra piattaforme vocali rientra in un progetto di automazione più ampio, vale la pena esplorare anche il panorama delle piattaforme per agenti AI per tutti gli aspetti non vocali.