ElevenLabs lancerer to stemmemodeller, der kan føre samtaler i realtid

Den 20. oktober 2026 lancerede ElevenLabs Eleven Realtime, en ny type modeller til stemmeagenter. En stemmeagent er en AI, man kan tale med i telefonen eller på nettet, og som svarer med talt sprog. Modellerne er såkaldte speech-to-speech-modeller, det vil sige, at de arbejder direkte fra tale til tale.

Modellerne findes i to versioner: v1 Mini og v1 Max.

Hvem er hvad til?

v1 Mini er målrettet AI-assistenter, undervisere, interaktive karakterer og de fleste almindelige brugssituationer. v1 Max er til kundeservice, kvalificering af leads (altså at vurdere om en mulig kunde er interessant), forløb med flere trin og kompleks ræsonnering.

Forskellen viser sig i tallene, som ElevenLabs selv oplyser. På Big Bench Audio, hvor modellerne får 1.000 ræsonnementsspørgsmål på tale, svarede v1 Max rigtigt i 98,8 % af tilfældene og v1 Mini i 75,9 %. Når modellerne skal gennemføre opgaver med brug af værktøjer, scorer v1 Max 87,1 % og v1 Mini 60,3 %.

På samtaledynamik, målt med Full-Duplex-Bench, er det omvendt: v1 Mini scorer 95,8 % og v1 Max 94,1 %. I Speech Agent Arena, som måler menneskelig præference, får v1 Max 998 og v1 Mini 988.

Hurtigt svar

Tiden til første lyd er i gennemsnit 0,57 sekunder for v1 Max og 0,62 sekunder for v1 Mini. Ifølge ElevenLabs er der ingen model på Artificial Analysis' rangliste, som både er hurtigere og mere præcis end v1 Max. Den tekniske nyhedsside The Decoder skriver, at v1 Max på ranglisten ligger tæt på det øverste venstre hjørne, altså med høj nøjagtighed og lav forsinkelse.

Tallene stammer fra ElevenLabs' egen lancering og er ifølge ElevenLabs målt af Artificial Analysis. The Decoder bygger i vid udstrækning på de samme oplysninger.

Sprog, stemmer og pris

Modellerne understøtter over 90 sprog og kan bruge over 17.000 stemmer fra ElevenLabs' stemmebibliotek. De kan bruges via platformen ElevenAgents og et OpenAI-kompatibelt Realtime API med WebSocket. Kanalerne er telefon, web, WhatsApp og CCaaS.

Prisen beregnes pr. minut plus tokens, og v1 Max er dyrere end v1 Mini. Selve priserne fremgår ikke af kilderne.

For almindelige brugere betyder det, at kundeservice og andre stemmetjenester kan blive hurtigere og mere naturlige at tale med, hvis virksomheder tager modellerne i brug.