ElevenLabsがリアルタイム音声対話モデル「Eleven Realtime」発表、v1 Miniとv1 Maxの2種
ElevenLabsは2026年11月3日、音声認識から音声合成までを1つのモデルに統合した「Eleven Realtime」を発表した。90言語以上に対応し、ElevenAgentsとRealtime APIで利用できる。
ElevenLabsは2026年11月3日、リアルタイムの音声会話向け音声対音声モデル「Eleven Realtime」を発表した。会話の速さと自然さを重視した「Eleven Realtime v1 Mini」と、複雑なタスク向けの「Eleven Realtime v1 Max」の2バージョンを提供する。
Eleven Realtimeは、音声認識、ターン検出、ターンテイキング、LLM、音声合成を単一のモデルに統合し、別々の設定なしで選択できるのが特徴だ。両モデルは韓国語や日本語を含む90言語以上に対応し、ElevenLabsの1万7000以上の音声ライブラリを利用できる。自然なターンテイキング、ユーザー発話中の割り込み、ツール呼び出しも備える。
v1 MiniはAIアシスタント、教育チューター、ゲームやエンターテインメントのインタラクティブなキャラクターに適する。v1 Maxはカスタマーサポート、リード獲得、外部ツールを呼び出す多段階タスク向けに設計された。
Artificial Analysisが2026年10月に実施した評価では、v1 Maxが音声推論ベンチマーク「Big Bench Audio」で98.8%を記録し、応答開始までの時間は0.57秒だった。会話のターンテイキングを測る「Full-Duplex-Bench」ではv1 Miniが95.8%、v1 Maxが94.1%だった。
Eleven Realtimeは音声・チャットエージェントプラットフォーム「ElevenAgents」とRealtime APIを通じて利用できる。Realtime APIはOpenAIのRealtime APIと互換性があり、WebSocket接続をサポートするが、提供開始時点ではWebRTCに対応していない。
よくある質問
Eleven Realtimeはどこで利用できますか？
ElevenAgentsとRealtime APIを通じて利用できます。
対応している言語は？
韓国語や日本語を含む90言語以上に対応しています。
v1 Miniとv1 Maxの違いは？
v1 Miniは高速で自然な会話向け、v1 Maxは複雑なタスク向けです。