10月20日，语音 AI 头部公司 ElevenLabs 推出两款实时语音模型 Eleven Realtime，Max 版本在 Big Bench Audio 基准上得分 98.8%，响应延迟仅 0.57 秒，刷新语音到语音（Speech-to-Speech）赛道纪录。ElevenLabs 联合创始人兼 CTO 表示：「这是首个在实时对话质量上逼近人类的语音模型，端到端实时语音交互终于从 Demo 变成产品可用。」
两款型号，覆盖不同场景
Eleven Realtime 系列包含 Standard 与 Max 两个版本。Max 主打最高质量，Standard 面向延迟敏感型应用（如客服机器人和游戏 NPC）。两款模型均针对实时双向对话优化，支持低延迟流式输出，无需等待用户说完即可开始回复，填补了传统「语音识别→大模型→语音合成」三段式架构的响应空白。与之对比，级联方案通常存在 800ms–1.2s 的管道延迟。
Benchmark 领先幅度明显，商业化将启
Big Bench Audio 是评估语音模型理解与生成能力的多维度基准，涵盖意图识别、上下文保持、情感理解、噪声鲁棒性等维度。ElevenLabs 援引内部评测数据称，Eleven Realtime Max 的 98.8% 得分领先所有已知竞品 5 个百分点以上。目前 API 已向部分白名单开发者开放，正式商业化预计 11 月启动，按用量计费。ElevenLabs 曾于 9 月完成 2.5 亿美元 C 轮融资，估值 33 亿美元，本次第发两款新品被视为商业化关键一步。同日，Mistral AI 发布 Voxtral 3，语音 AI 赛道竞争骤然升温。
延伸阅读
- Mistral AI 发布 Voxtral 3 全流程语音智能体：WER 降低 40%2 小时前
- AI 3D 工具 Meshy 两年 ARR 破亿：从 100 万到 1 亿美元2 周前
- Mistral AI 发布 Voxtral 3：像人一样听话的全流程语音智能体2 小时前
- 奇瑞紫微芯片量产：2400TOPS NPU，8英寸晶圆进入量产16 小时前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：