Agente de voz ElevenLabs, Vapi, n8n y Dapta: qué hace cada herramienta

Un agente de voz ElevenLabs no se arma con una sola herramienta, porque cada una cubre una capa distinta. ElevenLabs y Vapi manejan la conversación: reconocen lo que dice la persona, consultan un modelo de lenguaje y responden con voz sintética. Twilio aporta la línea telefónica. n8n ejecuta flujos de trabajo que se disparan desde otras herramientas. Dapta ofrece en un solo producto agentes de voz, de texto y de WhatsApp. El modelo de lenguaje es otra capa: ElevenLabs, Vapi y n8n permiten elegirlo.

Actualizada el 29 de octubre de 2026.

¿Qué capas tiene un agente de voz?

OpenAI distingue en su guía dos arquitecturas: voz a voz (su Realtime API), con un solo modelo que interpreta el audio y responde hablando, y la cadena de reconocimiento de voz, agente y voz sintética, que da control sobre cada etapa. ElevenLabs y Vapi presentan su producto con las piezas de la cadena. En mi lectura, se suman la telefonía y las acciones sobre tus sistemas:

• Voz: reconocer y sintetizar el habla (ElevenLabs).
• Telefonía: la línea de la llamada (Twilio o una troncal SIP).
• Orquestación: turnos, modelo y herramientas (Vapi, ElevenAgents, Dapta).
• Modelo: decide qué responder (OpenAI, Anthropic, Google y otros; compáralos en ChatGPT o Claude para empresas).
• Acciones: agendar o consultar en tus sistemas (n8n o tus propias APIs).

Más en qué es un agente de voz con IA y qué es un voicebot.

¿Qué hace un agente de voz ElevenLabs y qué le falta?

El agente de voz de Eleven Labs aparece en su documentación como ElevenAgents. Esa página dice que la plataforma reúne reconocimiento de voz, un modelo de lenguaje a elección (compatible o propio), voz sintética de baja latencia con más de 10.000 voces en más de 70 idiomas (en otro punto de la misma documentación, al elegir la voz del agente, la cifra es de 31 idiomas) y un modelo propio para los turnos. Añade integración con Twilio y troncales SIP, llamadas salientes por lotes, base de conocimiento con RAG y herramientas para que el agente llame a APIs.

Con Twilio, un número comprado sirve para llamadas entrantes y salientes; un caller ID verificado, solo para salientes. En mi lectura, la línea y las acciones de negocio siguen siendo tuyas: ElevenLabs pone la conversación.

¿Qué hace Vapi y cómo se combina con ElevenLabs?

Vapi se define como la plataforma para desarrolladores que construyen agentes de voz con IA. Según su introducción, cada asistente (el agente de voz Vapi) combina reconocimiento de voz, modelo de lenguaje y voz sintética, con respuestas en menos de 600 milisegundos, dato que afirma la propia empresa. Lista como proveedores a OpenAI, Anthropic, Google, Deepgram y ElevenLabs, entre otros, y conecta con tus APIs y bases de datos. Sus Server URLs envían eventos a tu servidor (llamadas a funciones, transcripción, reporte final y otros) y algunos exigen respuesta.

Su página de precios muestra 0,05 USD por minuto de hosting (prepago); transcripción, modelo y voz se cobran aparte, al costo, y la telefonía de terceros según sus tarifas.

En mi lectura, Vapi con voz de ElevenLabs significa que Vapi orquesta y ElevenLabs solo sintetiza: conviene un solo orquestador por agente.

¿Dónde entra Twilio y cuánto cuesta la telefonía?

Twilio es la capa de la línea: su documentación de Programmable Voice la describe como la forma de hacer y recibir llamadas desde tu aplicación. Con ConversationRelay, convierte la voz en texto, lo envía a tu aplicación por WebSocket y reproduce con la voz elegida la respuesta que le devuelvas (entre sus proveedores de voz: Deepgram, Google, Amazon Polly y ElevenLabs); la lógica y el modelo los pones tú.

Tarifas en USD de sus páginas de precios: en Estados Unidos, 0,0140 por minuto de llamada saliente a un número local, 0,0085 por minuto de llamada entrante y 1,15 al mes por el número. Para Bolivia, la tabla muestra llamadas salientes a 0,3025 por minuto a números locales y 0,4140 a móviles. Cuenta propia: el minuto a un móvil boliviano cuesta casi 30 veces el de un número local de EE. UU. No pude verificar qué tipos de número ofrece en Bolivia.

¿Qué papel tiene n8n en un agente de voz?

En la página del nodo AI Agent, n8n describe un agente que conecta un modelo de chat y herramientas, y que decide cuáles llamar; la voz no se menciona. El nodo Webhook recibe datos de apps y servicios cuando ocurre un evento, arranca un flujo, ofrece cuatro modos de respuesta y admite, entre otras opciones, autenticación básica, por cabecera o JWT.

En mi lectura, un agente de voz con n8n encaja así: la plataforma de voz (por ejemplo, las llamadas a funciones de Vapi) apunta a un webhook, n8n consulta o escribe en tus sistemas y devuelve el resultado. Como la persona sigue en la línea, y OpenAI recomienda medir cuánto espera quien llama una respuesta útil, un flujo largo suma esa espera.

¿Qué es Dapta y cuándo sirve una plataforma todo en uno?

Dapta se presenta como una plataforma de IA para llamar y escribir a tus leads, tomar notas de reuniones, armar formularios y agendar citas. El agente de voz de Dapta atiende llamadas, califica leads y agenda reuniones; hay también agentes de texto (SMS y chat web) y de WhatsApp. Lista integraciones con HubSpot, GoHighLevel, Salesforce y Google Calendar, y su documentación incluye Flow Studio para automatizar lo que rodea a los agentes. Su página principal remite a una página de precios que no abrí, y la introducción de su documentación no menciona n8n.

En mi lectura, Dapta junta en un producto lo que las otras herramientas reparten en capas: menos piezas que unir, pero menos elección pieza por pieza. No pude verificar en qué países opera su telefonía ni qué idiomas de voz ofrece.

¿Cuándo no alcanza combinar estas herramientas?

Anthropic recomienda buscar la solución más simple posible y subir la complejidad solo cuando hace falta, y advierte que los sistemas con agentes suelen cambiar latencia y costo por mejor desempeño. En mi lectura, en una llamada esa latencia se oye como silencio, y estas combinaciones no alcanzan cuando:

• No tienes línea telefónica propia: ElevenLabs recibe telefonía por Twilio o SIP, y con un caller ID verificado solo puedes llamar.
• Llamas a Bolivia con Twilio: el minuto a un móvil cuesta 0,4140 USD y el volumen pesa.

Elegir la combinación depende de tu volumen de llamadas, tu país y los sistemas que debe tocar el agente; eso se define mejor en el Diagnóstico de 20 minutos.

¿Necesito consentimiento para llamar con un agente de voz?

En Estados Unidos, la FCC dice que sí para llamadas salientes a consumidores. Su fallo declaratorio FCC 24-17, adoptado el 2 de febrero de 2024, confirma que las restricciones de la ley TCPA sobre voz artificial o pregrabada incluyen las tecnologías de IA que generan voces humanas: hace falta el consentimiento previo y expreso de la persona llamada, salvo emergencia o exención, y por escrito si hay publicidad o telemarketing. Tampoco admite excepción para tecnologías que dicen equivaler a un agente humano. También exige identificar a la entidad que llama. Es norma de EE. UU.; para tu caso, consulta a un abogado de tu país antes de lanzar. Más en cómo hacer llamadas con inteligencia artificial.

Preguntas frecuentes

¿Puedo armar un agente de voz solo con ElevenLabs?

Según su documentación, trae reconocimiento de voz, modelo de lenguaje a elección, voz sintética y control de turnos, y se conecta a telefonía por Twilio o SIP. Para las acciones sobre tus sistemas, usa sus herramientas que llaman a APIs.

¿Necesito n8n para un agente de voz?

No necesariamente: ElevenLabs habla de agentes que llaman a APIs y Vapi de conexión con tus APIs y bases de datos. En mi lectura, n8n aporta valor cuando una misma llamada debe tocar varios sistemas.

¿Dapta se combina con Vapi, ElevenLabs o n8n?

Las páginas que abrí no lo dicen, así que no lo afirmo. Dapta incluye su propio espacio de automatización (Flow Studio); si necesitas conectar otra herramienta, pregúntalo a su soporte.

¿Cuánto cuesta un agente de voz?

Cada herramienta factura lo suyo. Con fuente abierta hoy: Vapi muestra 0,05 USD por minuto de hosting y Twilio publica tarifas por minuto y por país (arriba). No pude confirmar un precio por minuto de agentes en la página de precios de ElevenLabs ni abrí la de Dapta. Pide un presupuesto desglosado; más en cuánto cuesta un agente de IA para una empresa en Latinoamérica.

Quién escribe esto

Johnny Ferrante, fundador de Quimera Group (Bolivia) y Tech Agents (Miami), y uno de los cinco expositores del Foro SKÅL 2026 en Cochabamba. Dirige equipos de agentes de IA. Más en johnnyferrante.com/prensa.

Pide el Diagnóstico de 20 minutos: me cuentas dónde estás y sales sabiendo qué sistema necesitas y qué no te conviene comprar. También puedes escribir por WhatsApp al +591 77314890.

Fuentes (consultadas el 29 de octubre de 2026)

• ElevenLabs, ElevenAgents: elevenlabs.io
• ElevenLabs, integración nativa con Twilio: elevenlabs.io
• ElevenLabs, precios: elevenlabs.io
• Vapi, introducción: docs.vapi.ai
• Vapi, Server URLs: docs.vapi.ai
• Vapi, precios: vapi.ai
• Twilio, Programmable Voice: twilio.com
• Twilio, ConversationRelay: twilio.com
• Twilio, precios de voz en Estados Unidos: twilio.com
• Twilio, precios de voz en Bolivia: twilio.com
• n8n, nodo Webhook: docs.n8n.io
• n8n, nodo AI Agent: docs.n8n.io
• Dapta, sitio web: dapta.ai
• Dapta, documentación: docs.dapta.ai
• OpenAI, agentes de voz: developers.openai.com
• Anthropic, "Building effective agents" (19 de diciembre de 2024): anthropic.com
• FCC, Declaratory Ruling FCC 24-17 (8 de febrero de 2024): docs.fcc.gov