ElevenLabs打包语音Agent：支持90多种语言，兼容OpenAI接口

动察 Beating AI 快讯，ElevenLabs 发布实时语音模型 Eleven Realtime，包含 Mini 和 Max 两个版本。Mini 主打低成本对话，Max 面向客服和需要连续调用工具的复杂任务。两款均支持 90 多种语言、1.7 万余种音色。 在 Artificial Analysis 的 1,000 道语音推理题中，Max 的正确率达到 98.8%，平均 0.57 秒开始出声。同榜 Qwen Audio 3.0 Realtime Plus 的正确率略高，为 99.2%，但平均开口需要 1.54 秒。 搭建语音 Agent，通常要自行连接语音识别、大模型和语音合成，还要调试停顿、接话和打断。Eleven Realtime 将这些环节统一调优，省去逐项拼装的工作。底层仍由多个模型串联，使用 Realtime 模式时，开发者不能单独选择其中的模型。 新模型已开始通过 ElevenAgents 和 Realtime API 推出，正逐步开放。API 兼容 OpenAI 的 WebSocket 协议，开发者可复用现有 SDK；使用 WebRTC 的项目需要先调整连接方式。

📰 来源：https://www.okx.com/zh-hans/feed/post/90649198040256