Elevenlabs 推出 Eleven Realtime 語音對語音模型，主打低延遲對話

語音人工智慧新創公司 Elevenlabs 推出一套名為 Eleven Realtime 的全新語音對語音模型系列，專為處理具備極低延遲的自然雙向語音互動而設計。此次發表包含兩個不同版本：Eleven Realtime v1 Max 與 Eleven Realtime v1 Mini。

高準確度與小於一秒的延遲

旗艦版本 Eleven Realtime v1 Max 在 Big Bench Audio 基準測試中獲得 98.8% 的分數，回應時間僅需 0.57 秒。

根據 Elevenlabs 表示，來自 Artificial Analysis Speech to Speech 排行榜的數據顯示，v1 Max 位於其圖表的左上角附近，象徵其具備高準確度與低延遲的領先組合。該公司指出，目前排行榜上追蹤的其他模型中，沒有任何一個模型能同時比它更快且更準確。

專門定位：v1 Max 對比 v1 Mini

Elevenlabs 將這兩款模型定位於不同的企業與開發者應用場景：

• Eleven Realtime v1 Max： 量身打造以應對複雜的互動工作流程，例如需要高精確度與全面推理能力的進階客戶支援。

• Eleven Realtime v1 Mini： 針對較低的營運成本與流暢的日常對話進行優化。該模型具備對話語調細微差異的偵測能力，例如能夠分辨使用者是已經講完話，或者只是提供簡短的對話回饋（如「嗯哼」）。

部署與定價

這兩款模型皆可透過 ElevenAgents 平台以及相容 OpenAI 的 Realtime API 進行部署，方便已經在使用標準化即時協定（Realtime Protocols）的開發者進行直觀的整合。

兩款模型的定價皆以每分鐘計費並結合 Token 使用量來計算，其中 v1 Max 的價格高於 v1 Mini。詳細的級距細節已直接公佈在 Elevenlabs 定價頁面上。