O que é o Vapi?
Vapi é uma plataforma/API para desenvolvedores construírem agentes de voz com IA para chamadas telefónicas — bots inbound e outbound. Ao contrário de ferramentas plug-and-play, o Vapi é pensado para quem sabe programar e quer montar o próprio stack de voz: reconhecimento de fala (STT), modelo de linguagem (LLM), síntese de voz (TTS) e telefonia, tudo orquestrado através da API do Vapi.
Principais funcionalidades
- Orquestração de stack completo de voz: STT + LLM + TTS + telefonia
- Suporte a múltiplos fornecedores em cada camada (ex: Deepgram para STT, ElevenLabs para TTS)
- Construção de agentes de chamadas inbound e outbound
- Add-on de conformidade HIPAA para setores regulados
Para quem é o Vapi?
Desenvolvedores e equipas técnicas que querem construir produtos de voz com IA à medida — não é uma ferramenta para não-programadores nem para quem quer um produto pronto a usar em 5 minutos. Exige montar e configurar cada camada do stack.
Preços do Vapi
O preço base de orquestração é de $0,05/minuto, mas o custo real “tudo incluído” sobe para algo entre $0,13 e $0,33 por minuto depois de somar STT (cerca de $0,01/min), LLM (entre $0,02 e $0,20/min), TTS (cerca de $0,04/min) e telefonia (cerca de $0,01/min). O add-on de conformidade HIPAA custa $1.000/mês extra. Para empresas, os planos enterprise variam entre $40.000 e $70.000 por ano.
Atenção: a estrutura de preços é complexa e em camadas — não é o tipo de ferramenta onde vês um número único e sabes quanto vais pagar. Vale a pena fazer as contas com calma antes de avançar para produção.
Vapi vs plataformas de voz “tudo incluído”
Concorrentes mais especializados em voz pura (como plataformas verticais focadas só em telefonia) costumam ter preços mais previsíveis e infraestrutura otimizada especificamente para áudio em tempo real, sem o “imposto de modelo” que acontece quando trocas para LLMs mais caros no Vapi. Em troca, o Vapi dá flexibilidade total de stack — escolhes exatamente que fornecedor usar em cada camada.
Conclusão
O Vapi é uma ferramenta poderosa para equipas técnicas que querem controlo total sobre um agente de voz com IA, mas não é barato nem simples de prever em termos de custos. Recomendado para quem tem capacidade de engenharia e precisa de flexibilidade, não para quem procura uma solução plug-and-play.