ElevenLabs发布两款实时语音对话模型

ElevenLabs 于 2026 年 10 月 20 日推出名为 Eleven Realtime 的两款新语音转语音（Speech-to-Speech）模型：v1 Max 与 v1 Mini。Max 版本在 Big Bench Audio 基准测试中得分 98.8%，响应时间仅为 0.57 秒；公司声称目前没有任何模型在 Artificial Analysis 榜单上能同时做到比它更快且更准。Mini 版本则面向低成本自然对话场景，具备检测用户是否结束发言或仅发出“嗯”声的能力。 两款模型均通过 ElevenAgents 平台及兼容 OpenAI 的 Realtime API 提供，定价模式为按分钟计费加 Token 费用，其中 Max 版本价格高于 Mini。从技术定位看，Max 针对客服等复杂任务，Mini 侧重轻量级互动，这种分层策略意在覆盖不同成本敏感度的企业客户。 事实层面，材料明确给出了基准分数、延迟数值及 API 兼容性；推断层面，ElevenLabs 试图通过“速度 + 精度”双重指标建立新的行业标杆，挑战现有实时语音交互的技术天花板；猜测层面，其能否在真实高并发场景下维持该延迟表现，仍取决于基础设施调度能力与网络环境，原文未披露具体部署架构或压力测试结果。