ElevenLabs打包語音Agent：支持90多種語言，兼容OpenAI接口

BiRun 訊，動察 Beating AI 快訊，ElevenLabs 發布實時語音模型 Eleven Realtime，包含 Mini 和 Max 兩個版本。Mini 主打低成本對話，Max 面向客服和需要連續調用工具的復雜任務。兩款均支持 90 多種語言、1.7 萬餘種音色。

在 Artificial Analysis 的 1,000 道語音推理題中，Max 的正確率達到 98.8%，平均 0.57 秒開始出聲。衕榜 Qwen Audio 3.0 Realtime Plus 的正確率略高，為 99.2%，但平均開口需要 1.54 秒。

搭建語音 Agent，通常要自行連接語音識別、大模型和語音閤成，還要調試停頓、接話和打斷。Eleven Realtime 將這些環節統一調優，省去逐項拼裝的工作。底層仍由多個模型串聯，使用 Realtime 模式時，開發者不能單獨選擇其中的模型。

新模型已開始通過 ElevenAgents 和 Realtime API 推出，正逐步開放。API 兼容 OpenAI 的 WebSocket 協議，開發者可復用現有 SDK；使用 WebRTC 的項目需要先調整連接方式。