ElevenLabs发布Eleven Realtime语音模型，含Mini与Max两版
ElevenLabs称这是可直接运行完整语音代理的语音到语音（Speech to Speech）模型，兼容OpenAI Realtime API，Mini面向低成本对话，Max面向多步推理与工具调用。
ElevenLabs发布Eleven Realtime系列语音到语音（Speech to Speech）模型，分为v1 Mini与v1 Max两个版本。公司称每个模型都是“完整的语音代理”，取代开发者自行拼装语音识别、语音活动检测、轮次控制、LLM和语音合成各组件的做法。
两个版本与各自定位
ElevenLabs对两个版本给出了明确的场景划分：v1 Mini面向低成本的自然对话，公司称其“足以覆盖大多数用例”，适用AI助手、教师和互动角色；v1 Max面向复杂任务，如客服、线索筛选和需要按流程推理的多步工作流。
两个模型均支持 90 多种语言，并能调用ElevenLabs声音库中 17,000 多种声音。
架构与兼容性
ElevenLabs称Eleven Realtime建立在级联架构（语音识别、轮次控制、LLM、语音合成等组件串联）之上，但经过端到端调优，因此对外表现为音频进、音频出、一个模型ID。公司称，这种方案在生产中的实际优势是每一步都会产生文本，可以分辨代理是听错了词还是做出了错误决策，同一份文本也是ElevenAgents施加防护规则和PII脱敏的基础。
该Realtime API兼容OpenAI的Realtime API，已有OpenAI集成的开发者只需修改端点与模型名。该API仅通过WebSocket连接，使用WebRTC的集成需先迁移；它和ElevenAgents平台分开运行，若需要渠道接入、知识库等功能，需直接在ElevenAgents上构建。
第三方评测数据
ElevenLabs引用Artificial Analysis对两个模型的独立评测。Big Bench Audio以语音提问 1000 道推理题并给出口头答案打分：v1 Max正确率 98.8%，v1 Mini为 75.9%。同一测试中，v1 Max平均 0.57 秒开始说话，v1 Mini为 0.62 秒。
在测试停顿、轮次转换、打断和附和（backchannel）的Full-Duplex-Bench上，v1 Mini得 95.8%，v1 Max得 94.1%。在盲测实时对话的Speech Agent Arena中，v1 Max得分 998，v1 Mini为 988。工具调用任务完成率方面，v1 Max为 87.1%，v1 Mini为 60.3%，ElevenLabs据此建议工具调用密集的场景选择Max。
ElevenLabs称v1 Max在Artificial Analysis榜单上不存在“既更快又更准”的模型。以上数据均来自ElevenLabs转述的第三方评测结果。