Evergreen 工具站
|
← 返回AI工具

Eleven Realtime 端到端语音智能体模型

2026 年 10 月 20 日上线的一类语音到语音模型：一个模型就是一个完整的语音智能体，把识别、断句、轮次、大模型和合成全塞进一次推理，省掉自己拼七八个组件的活

官方来源

本页整理自 ElevenLabs 2026 年 10 月 20 日官方发布文，基准成绩由 Artificial Analysis 独立评测。

功能特点

  • ✓ 两个型号分工明确：v1 Mini 走低成本自然对话（助手、老师、互动角色），v1 Max 干复杂任务（客服、线索筛选、多步流程）
  • ✓ 支持 90 多种语言，能用 ElevenLabs 库里 17,000 多个音色
  • ✓ 兼容 OpenAI Realtime API 规范，已有集成基本只需改端点和模型名
  • ✓ Artificial Analysis 独立评测：v1 Max 在 Big Bench Audio 答对 98.8%、平均 0.57 秒开口；v1 Mini 在 Full-Duplex-Bench 拿到 95.8%
  • ✓ 工具调用差距明显：v1 Max 完成率 87.1%，v1 Mini 60.3%，重工具场景官方直接推荐 Max

使用步骤

  1. 先定用途：闲聊型助手选 Mini 省钱，要按流程办事、要调工具的选 Max
  2. 优先在 ElevenAgents 里选 Realtime 模型，电话、网页、WhatsApp 等渠道和知识库、护栏、监控都能直接用
  3. 如果已有 OpenAI Realtime 集成，把端点换成 wss://api.elevenlabs.io/v1/convai/realtime、模型名换 eleven_realtime_v1_mini 或 max 即可
  4. 上线前自己听一遍打断和抢话的表现，全双工体验好不好耳朵最准，别只看跑分

常见问题

Eleven Realtime 是什么？

ElevenLabs 于 2026 年 10 月 20 日推出的一类语音到语音（Speech to Speech）模型，官方说法是「每个模型本身就是一个完整的语音智能体」（公告：https://elevenlabs.io/blog/realtime ）。原来要自己选语音识别、语音活动检测、轮次判断、底层大模型和语音合成，现在这些合到一个模型里。

Mini 和 Max 怎么选？

官方给的定位是：v1 Mini 用于低成本的自然对话，适合 AI 助手、老师、互动角色，大多数场景够用；v1 Max 用于复杂任务，比如客服、线索资格判断、需要跟流程并逐步推理的多步工作流。数据上也印证：Big Bench Audio 正确率 Max 98.8%、Mini 75.9%；工具调用完成率 Max 87.1%、Mini 60.3%。

跑分和延迟大概什么水平？

Artificial Analysis 用三个公开基准做了独立评测。Big Bench Audio（1000 道语音推理题）：Max 98.8%、Mini 75.9%，开口延迟 Max 平均 0.57 秒、Mini 0.62 秒。Full-Duplex-Bench（停顿、轮次、打断、附和）：Mini 95.8%、Max 94.1%。Speech Agent Arena 盲测人偏好：Max 998、Mini 988。注意 Mini 在对话动态上反而更高，Max 赢在推理与工具。

已有 OpenAI Realtime 集成要重写吗？

基本不用。官方说 Realtime API 走 WebSocket 并遵循 OpenAI Realtime 规范，OpenAI 的 SDK 可以直接用，迁移就是改端点和模型名。两个限制要记住：只支持 WebSocket，原本用 WebRTC 的要先换过来；另外它和 ElevenAgents 平台是分开的，需要渠道、知识库这些能力就直接在 ElevenAgents 上建。

什么时候不该用它？

如果你的语音智能体需要一整套运营能力——电话、WhatsApp 等渠道接入、知识库、护栏、测试和监控——直接上 ElevenAgents 更省事，Realtime API 只是模型层。另外对成本极敏感、对话又很简单的高并发场景，先算清单价再决定，便宜的组件拼装方案未必输。