ElevenLabs 推出 Eleven Realtime 语音对话模型：一个模型包办听、想、说，半秒内开口
10 月 20 日，ElevenLabs 发布 Eleven Realtime 系列「语音到语音」模型，把语音识别、判断何时接话、大语言模型和语音合成打包成一个整体，分 v1 Mini 和 v1 Max 两档。官方称两者平均约 0.6 秒开始说话，支持 90 多种语言、可用语音库里 1.7 万多个音色，已在 ElevenAgents 和兼容 OpenAI 格式的 Realtime API 中上线，按分钟加 token 计费。
据 ElevenLabs 官方博客的发布文章和模型文档，ElevenLabs 于 10 月 20 日推出 Eleven Realtime，一类新的「语音到语音」（Speech to Speech）模型。以前要做一个能实时对话的语音助手，得自己挑语音识别、断句和接话判断、大模型、语音合成几个组件再拼起来调；Eleven Realtime 把这些整合成一个模型，选好型号就能用。
几个要点：
- 两档型号：v1 Mini 主打低成本、自然的闲聊式对话，官方推荐用于 AI 助手、教学陪练、互动角色；v1 Max 推理和调用工具更强，面向流程较复杂的多步骤任务；
- 反应速度：官方引用第三方评测机构 Artificial Analysis 的结果，v1 Max 平均 0.57 秒开始出声，v1 Mini 约 0.62 秒；在用语音提问推理题的测试里，Max 答对 98.8%，Mini 答对 75.9%；
- 对话手感：能处理打断、停顿和「嗯嗯」这类附和，在考察轮流说话的测试中 Mini 得分 95.8%、Max 94.1%；
- 语言和音色：支持 90 多种语言，可使用 ElevenLabs 语音库中 1.7 万多个音色；
- 怎么用：在 ElevenAgents 里新建或打开智能体，从模型下拉框里选择即可；开发者也可以通过 Realtime API 接入，它与 OpenAI Realtime API 的协议兼容，已有项目基本只需换接口地址；
- 价格：按通话分钟加 token 计费，Max 比 Mini 贵，具体以官方价格页为准。
对创作者意味着什么： 这类模型降低的是「做一个会说话的角色」的门槛。做知识类内容、课程或互动小游戏的创作者，可以用 Mini 版做口语陪练、角色对话、作品里的互动讲解，不必再自己拼一整套语音链路。它本身不是配音工具，做视频旁白仍然用普通的文字转语音更合适。使用时音色请选官方库里有授权的，不要模仿真人声音，并在作品中说明这是 AI 语音。
信息来源：ElevenLabs 官方博客（本文为编辑整理改写）
