ElevenLabs 推出 Eleven Realtime 语音到语音模型：v1 Mini 主打自然对话、v1 Max 主打复杂任务，并提供兼容 OpenAI 的 Realtime API

这件事意味着什么

【要点】

ElevenLabs 推出 Eleven Realtime，一类「语音到语音」的语音智能体模型，首批两款：v1 Mini 和 v1 Max。官方说法是把语音识别、话轮切换（判断什么时候该说话、被打断怎么办）、大语言模型和语音合成作为一个整体调优，开发者选一个模型就能得到完整的语音智能体，不用再自己拼各个组件。

一、两款分工：v1 Mini 是默认款，延迟和成本最低，面向助手、家教、游戏角色这类以对话本身为主的场景；v1 Max 先推理再回答，支持多步工具调用，面向客服、销售线索筛选、预约等复杂任务，单价高于 Mini。

二、官方公布的数据（ElevenLabs 自测）：Mini 首段音频延迟 620 毫秒，Full-Duplex-Bench 95.8%，Speech Agent Arena Elo 988；Max 首段音频延迟 570 毫秒，Big Bench Audio 98.8%，任务成功率 87.1%。支持 90 多种语言，可从 17,500 多个声音里选。

三、用法：在 ElevenAgents 里把智能体的语音模式切到 Realtime 即可；另有 Realtime API，与 OpenAI Realtime API 兼容，改接入地址和模型名（如 eleven_realtime_v1_mini）就能沿用原有代码和 OpenAI 的 SDK。

四、限制：正在分批开放，部分工作区暂时用不了；不能配合自定义大模型或 Amazon Bedrock；零数据保留模式和 HIPAA 只有 Max 支持（美国和欧盟），Max 暂不支持印度和新加坡数据驻留。计费为 ElevenAgents 按分钟费用加模型 token 费用。

【可核验】

产品页：https://elevenlabs.io/realtime

Realtime 模型文档：https://elevenlabs.io/docs/eleven-agents/customization/realtime-models

模型总览：https://elevenlabs.io/docs/overview/models

【我们的判断】

一、语音智能体正从「识别 + 大模型 + 合成」三段拼接走向一体化模型，OpenAI、SpaceXAI 都已有类似产品；ElevenLabs 直接兼容 OpenAI 的接口，明显是想让现有用户低成本切换过来。

二、所有指标都是官方自测，Arena 分数和任务成功率的测法没有详细公开；官方也没发博客或技术报告，产品页和文档是目前唯一的一手材料。

三、对已在用 ElevenAgents 的团队，这能省去组件选型和调参；需要指定特定大模型或合规要求严格的场景，仍要留在自定义模式。