Vapi는 가격 책정 페이지에 "$0.05/분"이라고 표기합니다. 첫 번째 월별 청구서는 $0.27/분으로 나옵니다. 무슨 일이 있었던 걸까요? 모든 음성 AI 플랫폼은 하나의 숫자를 광고하고, 플랫폼 수수료를 표기한 뒤, 홈페이지에 보이지 않는 네 가지 추가 비용층에 대해 청구합니다. 이 가이드는 음성 AI 에이전트 가격 계산을 바닥부터 재구성합니다: 8개 플랫폼의 실제 BYOK 비용, 아무도 설명하지 않는 오디오 토큰 항목, 그리고 자신의 청구액을 예측하기 위해 포크할 수 있는 Python 함수를 제공합니다.
2026년 AI 음성 에이전트의 실제 비용은 얼마일까요?
대부분의 AI 음성 에이전트는 2026년에 분당 $0.07~$0.30의 전체 비용이 듭니다. 번들 플랫폼(Retell, Bland, ElevenLabs)은 $0.07~$0.12/분을 광고하며 $0.10~$0.18/분으로 착륙합니다. BYOK 플랫폼(Vapi의 $0.05/분 플랫폼 수수료)은 LLM, TTS, STT, Twilio를 추가하면 $0.13~$0.31/분으로 착륙합니다. OpenAI Realtime에 직접 접속하면 캐싱 없이 대략 $0.30/분입니다.
세 가지 범주가 거의 모든 청구서에서 보이는 항목을 설명합니다:
- 번들형 분당 요금: Retell AI ($0.07~$0.31/분), Bland AI ($0.09/분 정액), Synthflow, ElevenLabs Conversational. 한 가지 숫자, 모든 것이 포함됩니다.
- BYOK 오케스트레이션: Vapi는 콜 처리 계층에만 $0.05/분을 청구합니다. LLM 토큰, TTS 문자, STT 분, 캐리어는 모두 자신의 계정에서 별도로 청구됩니다.
- 인프라에 직접 구축: OpenAI Realtime과 Twilio에서 직접 구축합니다. 프롬프트를 캐싱하면 규모에서 가장 저렴합니다. 그렇지 않으면 비쌉니다.
이 게시글의 나머지 부분은 각 계층별로 수학을 진행한 후, 노트북에 붙여넣을 수 있는 Python tco_per_minute() 함수를 제공합니다.
광고되는 분당 가격이 거짓인 이유 (4가지 비용층)
광고되는 $0.05/분 플랫폼 수수료는 오케스트레이션만 포함합니다. 다른 네 가지 계층은 그 위에 쌓입니다. 2026년의 모든 프로덕션 음성 에이전트는 5가지 항목 청구를 지불합니다: 통신, STT, LLM, TTS, 그리고 이들을 함께 묶는 플랫폼 수수료입니다. 어느 하나라도 건너뛰면 작동하는 에이전트가 없습니다.
다음은 각 계층별 바닥입니다.
계층 1: 통신 (캐리어 분당 요금)
실제 통신사에 공중 전화 네트워크로 오가는 오디오에 대한 요금을 지불합니다. Twilio Programmable Voice는 미국에서 아웃바운드 $0.014/분, 그리고 월 $1~$2의 전화번호 요금을 청구합니다. Twilio Elastic SIP는 발신지에 따라 $0.0053~$0.042/분 범위입니다. 대부분의 음성 AI 플랫폼은 Twilio를 소량의 마크업으로 재판매하거나 그대로 통과시킵니다. 어느 쪽이든, 스프레드시트에서 $0.014/분입니다.
계층 2: 음성-텍스트 변환 (STT)
발신자가 말한 내용을 LLM이 읽을 수 있는 텍스트로 변환합니다. Deepgram Nova-2 스트리밍은 Pay-as-you-go 계층에서 약 $0.0043/분으로 실제로는 $0.005/분으로 부릅니다. 프리미엄 모델(Whisper 동급)은 $0.018/분까지 올라갑니다. 번들 플랫폼은 이를 헤드라인 요금에 숨기지만, 여전히 거기에 있습니다.
계층 3: LLM (텍스트 또는 오디오)
여기서 두 가지 경로가 있습니다. 텍스트 모드 파이프라인은 전사된 오디오를 GPT-4o-mini($0.15/M 입력, $0.60/M 출력) 같은 모델에 공급하고 응답을 TTS에 공급합니다. 음성 루프는 일반적으로 턴당 100~300 입력 토큰과 80~200 출력 토큰을 사용하므로 대략 GPT-4o-mini의 경우 $0.003~$0.015/분, Claude Haiku의 경우 $0.015~$0.04/분이 됩니다. 오디오 모드 파이프라인(OpenAI Realtime)은 전사/합성 과정을 건너뛰고 오디오 토큰으로 직접 청구합니다. 우리는 아래에 전체 섹션이 있습니다; 이것이 아무도 설명하지 않는 비용 레버입니다.
계층 4: 텍스트-음성 변환 (TTS)
응답을 다시 오디오로 합성합니다. ElevenLabs Turbo는 Conversational 요금에서 $0.10/분으로 실행되고, 프리미엄 음성은 $0.12/분까지 올라갑니다. 낮은 등급의 음성(Deepgram Aura, OpenAI tts-1)은 $0.04~$0.06/분입니다. 이것은 일반적으로 플랫폼 수수료 다음으로 두 번째로 큰 항목입니다.
이를 더하면 바닥에: $0.014 통신 + $0.005 STT + $0.005 LLM (4o-mini) + $0.04 TTS + $0.05 플랫폼 = BYOK 스택에서 분당 최소 $0.114. 이는 HIPAA, 동시성 또는 번호 임차 전입니다. 이 가격 책정 분석 후 기능 머리맞대기 비교를 원하면 Retell AI vs Vapi vs Bland 분석을 참조하세요.
8개 플랫폼 비교 (2026년 5월 가격 책정 표)
아래 표는 각 공급업체의 가격 책정 페이지에서 헤드라인 요금과 현실적인 전체 수치를 가져옵니다. 이를 복음이 아닌 참고로 사용하세요: 가격 책정 페이지가 변경되고 스택 선택이 결론을 바꿉니다.
가격은 2026년 5월 확인됨. 서명하기 전에 항상 공급업체 가격 책정 페이지를 확인하세요: Vapi는 지난 해 HIPAA 추가 요금을 두 번이나 변경했습니다.
실제 예제: 4분짜리 아웃바운드 콜의 실제 비용은 얼마일까요?
정규 시나리오: 4분 아웃바운드 콜, LLM으로 GPT-4o-mini, 음성으로 ElevenLabs Turbo, 캐리어로 Twilio US, 영어 전용. 이 정확한 시나리오를 모든 네 플랫폼(Vapi, Retell, Bland, OpenAI Realtime 직접)에서 실행했을 때, 헤드라인 요금은 최종 숫자의 절반 미만을 설명했습니다.
모든 네 플랫폼에서 일정하게 유지된 가정:
- 4분 벽시계 지속시간
- ~12개 대화 턴, ~턴당 150 입력 토큰 + 100 출력 토큰 = GPT-4o-mini의 경우 1,800 입력 / 1,200 출력
- TTS는 턴당 ~400자 × 12 = 4,800자 생성 (ElevenLabs Turbo @ $0.10/분 오디오 출력)
- STT는 전체 4분 청구 (Deepgram Nova-2 @ ~$0.0043/분)
- Twilio 아웃바운드 US @ $0.014/분, $1/월 번호 월 1,000콜 이상으로 분할 = 콜당 $0.001
Vapi BYOK: $0.05 → $0.27/분
참고: Conversational 요금의 ElevenLabs Turbo는 정액이 아닌 분당 약 $0.10/분에 가깝습니다. $0.05/분 플랫폼 수수료와 GPT-4o-mini와 ElevenLabs Turbo와 Twilio의 합계는 $0.05가 아닌 대략 $0.17~$0.27/분입니다.
Retell 번들형: $0.10 → $0.16/분
Retell의 번들은 LLM(모델 선택), STT, 자체 TTS를 포함합니다. Twilio를 위에 지불하고 끝입니다.
Bland 정액형: $0.09 → $0.13/분
Bland는 SERP에서 가장 깔끔한 수학입니다. 한 가지 숫자에 캐리어를 추가합니다. 함정은 숨겨진 수수료에 떨어집니다 — 전송 분은 상단에 $0.025/분으로 청구됩니다.
OpenAI Realtime 직접 (캐싱 없음): $0.30/분
그 수치는 시스템 프롬프트를 캐싱하고 있다고 가정합니다. 캐싱 없이, 같은 콜은 모든 턴이 신선한 요금으로 전체 시스템 프롬프트를 재청구하기 때문에 대략 $1.20($0.30/분)에 더 가깝게 착륙합니다. 우리는 아래 그 수학을 풀어놓습니다.
번들형 vs BYOK: 어느 가격 책정 모델이 귀하에게 유리할까요?
번들형 플랫폼은 단일 청구서, 예측 가능한 분당 수학, 그리고 기준선 좋은 음성을 원할 때 이깁니다. BYOK는 엔지니어링 역량이 있을 때, 자신의 LLM을 선택하고 싶을 때, 그리고 규모에서 캐리어 요금을 협상할 계획이 있을 때 이깁니다. 결정은 보통 두 가지 질문으로 내려옵니다: 청구 행 선호도가 있습니까, 그리고 스택을 소유할 개발자가 있습니까?
빠른 결정 규칙:
- 월 10,000분 미만 → 번들형은 거의 항상 전체 소유 비용에서 이기고 있습니다 (엔지니어링 시간 단독이 손익분기점입니다).
- 월 10,000~100,000분 → BYOK는 1명 이상의 엔지니어가 있으면 수익을 내기 시작합니다.
- 월 100,000분 이상 → BYOK 또는 Realtime에 직접 접속은 보통 $0.05~$0.10/분 더 저렴하고, Twilio 서브계정 요금을 협상할 수 있는 지렛대가 있습니다.
BYOK 쪽의 더 깊은 LLM 비용 렌즈를 위해 최고의 AI 에이전트 프레임워크에서 오케스트레이션 선택의 분석을 참조하세요.
대부분의 사람들이 놓치는 숨겨진 수수료
4계층 수학을 완벽하게 해결했을 때도, 청구서는 홈페이지에서 언급되지 않은 항목으로 도착합니다. 다음 7개가 우리가 가장 자주 클라이언트를 맞는 항목입니다. 대부분은 가격 책정 페이지 세부사항이나 가입 후 구성 화면에 매장되어 있습니다. 악의적이지는 않고, 단지 과소 전달된 것입니다.
- HIPAA 추가. Vapi는 가격 책정 페이지에 따라 HIPAA에 월 $2,000을 청구합니다. Retell, Bland, Synthflow는 추가 비용 없이 HIPAA를 포함합니다. 의료 분야에 있고 Vapi를 저울질하고 있다면, 단일 콜을 배치하기 전에 연 $24k입니다.
- 분당 반올림 세금. 대부분의 플랫폼은 60초 증분으로 반올림합니다: 61초 콜은 2분으로 청구됩니다. 월 5,000통 호출에 전형적인 45~90초 분포로, 그것은 $/분 수학이 말하는 것에 비해 5~8% 유효 상승입니다. 초당 청구(Bland, Deepgram)는 이를 건너뜁니다.
...