Сделать умного телефонного бота — целая наука. Сначала ему нужны уши, чтобы услышать клиента. Потом мозги, чтобы придумать ответ. И наконец рот, чтобы этот ответ произнести. А дальше начинается самое весёлое: заставить все три части работать вместе и не перебивать человека на полуслове.
ElevenLabs решила избавить разработчиков от этого увлекательного конструктора.
20 октября 2026 года компания представила Eleven Realtime
— семейство голосовых ИИ-моделей, которые позволяют разговаривать с нейросетью почти без пауз. В него вошли две версии: Mini и Max.
Разработчику достаточно выбрать подходящую модель. ElevenLabs сама управляет распознаванием речи, языковой моделью, синтезом голоса и определением момента, когда собеседник закончил говорить.
Причём бот должен уметь не только отвечать, но и вовремя заткнуться, если человек решил его перебить. Для колл-центров способность чрезвычайно ценная.
Mini — поболтать, Max — поработать
Eleven Realtime v1 Mini рассчитана на сравнительно простые разговоры. С её помощью можно создавать голосовых помощников, виртуальных преподавателей и персонажей для игр. Она дешевле старшей версии.
Eleven Realtime v1 Max предназначена для задач посложнее: обслуживания клиентов, выполнения последовательных поручений и работы с внешними инструментами.
Например, такой агент сможет выяснить у клиента подробности заказа, обратиться к базе данных и предложить решение. Правда, насколько успешно он справится, зависит от конкретной задачи и настройки.
Обе модели поддерживают более 90 языков. Для озвучки доступны свыше 17 тысяч голосов из библиотеки ElevenLabs.
Кто быстрее открывает рот?
Модели проверяла независимая аналитическая компания Artificial Analysis. Результаты ElevenLabs опубликовала вместе с анонсом.
На тесте Big Bench Audio, где нейросетям задают тысячу вопросов голосом, Max начинала отвечать в среднем через 0,57 секунды, Mini — через 0,62 секунды.
Забавно, что старшая модель оказалась чуть проворнее младшей, хотя Mini позиционируется как более экономный вариант для быстрых разговоров.
По качеству ответов разница заметнее: Max правильно ответила на 98,8% вопросов, Mini — на 75,9%.
А в испытании на использование инструментов Max выполнила 87,1% заданий, тогда как Mini справилась с 60,3%.
Так что переплачивать за Max имеет смысл там, где бот должен действительно что-то делать. Если задача сводится к обычному разговору, Mini может оказаться достаточно.
Впрочем, цифры задержки получены в конкретном тесте. Во время настоящего звонка добавятся качество связи, сеть и работа подключённых сервисов.
Куда их можно пристроить
Обе модели появились в платформе ElevenAgents. Через неё компании создают голосовых помощников для сайтов, телефонии и WhatsApp.
Есть и отдельный Realtime API. Он совместим с форматом OpenAI Realtime API, поэтому разработчики могут использовать знакомые инструменты и часть существующего кода. Однако ElevenLabs пока поддерживает подключение только через WebSocket. Проекты на WebRTC придётся адаптировать.
Доступ открывается постепенно. Если новые модели ещё не появились в рабочем пространстве ElevenAgents, использовать их через API тоже не получится.
Стоимость зависит от выбранной модели, длительности разговора и расхода токенов. Max обходится дороже Mini.