ElevenLabs 推出两款实时语音对话新模型，速度与精度双双领先

ElevenLabs 于近日推出全新语音转语音模型系列 Eleven Realtime，包含 v1 Max 与 v1 Mini 两个版本，专为实时 AI 对话应用场景而设计。这一发布标志着该公司在语音 AI 领域的又一次重要布局，旨在填补当前市场上高精度与低延迟难以兼顾的空白。

旗舰版 v1 Max 在权威语音理解基准测试 Big Bench Audio 中取得 98.8% 的得分，同时将端到端响应延迟压缩至 0.57 秒。ElevenLabs 官方表示，在 Artificial Analysis 语音转语音排行榜上，v1 Max 位于左上角区域，即高准确率与低延迟的最优组合位置，目前没有其他模型能在两项指标上同时超越它。v1 Max 主要面向客户支持等需要处理复杂任务的企业级场景。

轻量版 v1 Mini 则针对日常自然对话进行了优化，以更低的成本提供流畅的交互体验。其一项值得关注的能力是能够区分用户是真正说完了一句话，还是仅仅发出「嗯嗯」「啊」等表示倾听的语气词，从而避免 AI 在用户尚未表达完整意图时就贸然打断或回应，显著提升对话的自然度。

两款模型均已通过 ElevenAgents 平台正式上线，同时提供兼容 OpenAI Realtime API 格式的接口，方便开发者在现有技术栈中快速集成。计费方式采用按分钟使用量叠加 Token 消耗的混合模式，v1 Max 的单价高于 v1 Mini，具体定价详情可在 ElevenLabs 官方定价页面查询。

实时语音对话是当前 AI 应用落地的重要方向之一，涵盖智能客服、语音助手、实时翻译等多个高价值场景。ElevenLabs 此次发布的双模型策略，既以 v1 Max 争夺对性能要求严苛的企业市场，又以 v1 Mini 覆盖对成本敏感的开发者群体，体现出其在商业化路径上的差异化布局思路。

要点

• v1 Max 在 Big Bench Audio 基准测试中得分 98.8%，响应延迟 0.57 秒，在 Artificial Analysis 排行榜上速度与准确率综合表现暂列第一。
• v1 Mini 具备识别用户语气词与真实句末的能力，可有效提升对话自然度，适合低成本日常对话场景。
• 两款模型均支持 ElevenAgents 平台及 OpenAI 兼容 Realtime API，开发者可低门槛接入现有工作流。
• 采用按分钟加 Token 的混合计费模式，v1 Max 定价高于 v1 Mini，满足不同预算需求的用户群体。