Elevenlabs hat am 20. Oktober 2026 zwei neue Speech-to-Speech-Modelle vorgestellt: Eleven Realtime v1 Max und v1 Mini. Die Max-Version erzielte im Benchmark Big Bench Audio 98,8 % und reagiert in etwa 0,57 Sekunden. Die kleinere Mini-Version ist günstiger und kann erkennen, ob jemand fertig gesprochen hat oder nur „mm-hmm“ sagt. Beide Modelle sind über die Plattform ElevenAgents oder eine OpenAI-kompatible Realtime API verfügbar.
Die Unterschiede zwischen den Modellen
v1 Max richtet sich an anspruchsvollere Anwendungen, etwa Kundenservice-Bots, die hohe Genauigkeit und geringe Latenz erfordern. v1 Mini ist für natürliche Alltagsgespräche gedacht, bei denen die Kosten stärker ins Gewicht fallen. Die Abrechnung erfolgt pro Audiominute zuzüglich der Kosten für die Token-Nutzung. Laut der Preisseite von Elevenlabs ist Max teurer als Mini.
Warum es wichtig ist
Für Entwickler, die Sprachassistenten erstellen, bietet das Max-Modell nahezu verzögerungsfreie Antworten bei sehr hoher Genauigkeit. Das kann das Nutzererlebnis etwa im Kundenservice verbessern. Mit dem günstigeren Mini-Modell können auch kleinere Unternehmen Live-Sprachinteraktionen anbieten, ohne hohe Rechenkosten zu haben. Unabhängige Benchmarks, die über die Angaben von Elevenlabs hinausgehen, wurden bislang nicht veröffentlicht.
