Elevenlabs 喺 10 月 20 日發布咗兩款新嘅 speech-to-speech（語音對語音，即直接處理語音輸入輸出、唔經文字轉寫）模型，統稱 Eleven Realtime，針對即時 AI 對話場景。
兩款各走一路。v1 Max 跑喺 Big Bench Audio 呢個音訊基準上，準確率 98.8%，反應時間 0.57 秒。Elevenlabs 話，喺 Artificial Analysis 排行榜上面，而家冇任何模型可以同時做到更快同更準確。呢句要注意：係 Elevenlabs 自己講嘅，未見獨立第三方核對。v1 Max 面向嘅係較複雜任務，例如客户服務。
v1 Mini 就細身啲，定位係自然對話，成本較低。
兩款都經 ElevenAgents 平台提供，同時有一個兼容 OpenAI 格式嘅 Realtime API。呢點值得留意：如果你成日同 OpenAI Realtime API 打緊嘢，轉用 Elevenlabs 成本唔會太高，唔使大改程式。
計費方面，兩個模型都按分鐘加 token 計費，v1 Max 比 v1 Mini 貴。具體數字 Elevenlabs 話睇佢哋嘅定價頁，呢篇未收錄。
即實，呢個係 Elevenlabs 將語音能力從後台合成工具，推近「同你講緊嘢」呢個產品形態。語音對語音模型唔再只係做字幕同配音，而係直接接喺即時對話入面，反應速度成為同準確率一樣重要嘅指標。
阿調搞兩下：0.57 秒喺人類對話入面算快，但呢個數字而家只有 Elevenlabs 自己講。Big Bench Audio 個榜點計、Arificial Analysis 嘅測試條件係點，都係要自己查先至信。廠商出榜同第三方核對，呢兩樣唔可以同價而視。
