Eleven Realtime 是什麼？Mini、Max 語音代理的差異、速度與接入限制

語音助理聲音自然，仍可能在你停頓時搶話，或等太久才開始回答。Eleven Realtime 想改善的，就是從聽到聲音、理解意思，到決定何時開口的整段體驗。

ElevenLabs 在 2026 年 10 月 20 日推出 Mini 與 Max 兩款即時語音代理模型，把原本需要開發者搭配與調整的元件，交由官方一起最佳化，讓團隊比較容易開始做對話產品。

這次更新和 9 月的 Eleven v4 朗讀模型不同，它接收語音，也以語音回應。官方文件同時說明，底層仍由多個模型串接，這次替團隊做的是把它們放在一起調整。

Mini 偏向一般自然對話，Max 則針對複雜指令與多步工具。依官方公布的特定任務評測，Max 的工具完成率較高，但選哪一款，仍要回到產品準備完成的工作。

新建助理的團隊可以從預設開始試，已有指定模型或轉接流程的服務，則要先核對能否沿用。因為開放進度、接入方式與計費，也會影響這次整合能省下多少工作。

先分清「把文字念好」和「接住一段對話」，就能理解這次產品到底改變哪個環節。

Eleven Realtime 做什麼？語音到語音與 v4 朗讀差在哪裡？

Eleven Realtime 接住使用者的語音，再生成語音回應。它把對話所需的多個元件作為共同調整的產品提供，而非只替一段已經寫好的文字配音。

文字轉語音負責把文字念出來，通常簡稱 TTS。但一個能互動的助理，還要辨識使用者說了什麼、理解要求，以及判斷對方是否已經講完，因此聲音好聽只完成其中一部分。

例如使用者說「幫我改預約」，停一下才補上「改成星期五」。如果助理太早開口，就可能打斷補充。等得太久，又會讓人以為它沒聽見，所以對話節奏需要另外調整。

依 ElevenLabs 發布文章，新產品希望減少這類元件選擇與搭配的負擔。使用者仍然需要決定助理做什麼，但不用每次先從各個底層元件組起。

語音到語音，一定代表單一模型嗎？

語音到語音描述的是輸入與輸出，沒有直接指定內部只有一個模型。官方相容文件明確說明，Mini 與 Max 採串接架構，各元件是不同模型，針對整體表現共同調整。

這個差別會影響我們如何理解進展。它展示的是元件一起工作時的產品能力，而底層各模型的具體型號並未公開，因此不能自行補成某一種已知模型組合。

對一般讀者，較容易理解的方式是把它看成已經調整過的對話系統。團隊可以選聲音、提示與工具，讓它服務特定用途，但不用把每一層都當成獨立採購項目。

官方也表示，兩款支援超過 90 種語言，以及聲音庫中的一萬七千多種聲音。這提供了選擇空間，但聲音是否適合自己的中文內容，仍應用實際句子聽過再決定。

若只是要把文章或旁白念好，朗讀模型仍有不同的使用位置。把要做的對話工作確定下來，才有依據在 Mini 與 Max 之間選擇。

延伸閱讀：ElevenLabs Eleven v4 是什麼？v4 Turbo、100ms 延遲、價格與語音複製完整解析

Mini 與 Max 怎麼選？對話自然和任務做完要分開看

一般互動可以先試 Mini，需要長指令或連續工具操作時，再評估 Max。這是官方依用途給的起點，目的是把較低的成本與較複雜的工作分開考慮。

Mini 適合助理、教學與互動角色等自然對話。Max 會在回答前推理，偏向客服、需求判斷與多步流程。兩者都能說話，但準備接手的工作難度不同。

以下把選型重點放在用途，而不只比較模型名稱。

表中最後一項是模型可用條件，並不表示選 Max 就自動完成公司的所有資料要求。若產品有既定部署限制，應先核對可用版本，再進行品質與成本比較。

同樣是改預約，為何難度可能不同？

如果助理只需要解釋改期規則，主要工作是理解問題與清楚回答。但若要真的查出原預約、確認空位，再請使用者同意修改，就需要連續工具操作。

工具是讓代理查資料或執行功能的介面。每一步都要依前一步結果決定下一步，所以後者不只要接話自然，也要維持對象、日期與使用者決定的一致性。

這樣的差別，正是 Max 值得加入比較的原因。若產品只有短句問答，更多推理能力未必帶來相同幅度的收益。若工作常在多步之間出錯，完成率就比聲音風格更值得優先看。

這個預約例子用來解釋任務需求，並非本文實測結果。是否適合自己的系統，仍應用同一份流程比較，才能知道升級的投入換回什麼。

0.57 秒與 98.8% 怎麼讀？首音、推理和工具是不同指標

官方公布的平均開始發聲時間與推理成績，對應指定評測。它們能提供比較起點，但不會直接變成自己的電話服務每次都達到的承諾。

ElevenLabs 引述 Artificial Analysis 的評估，使用 Big Bench Audio 的一千道語音推理題，依口頭答案評分。官方公布 Max 正確率為 98.8%，Mini 為 75.9%，這是該題組的結果。

同一篇發布文列出，Max 平均在 0.57 秒開始發聲，Mini 為 0.62 秒。因此，即使 Mini 的產品定位重視成本與速度，也不能把它寫成所有測試都一定比較快。

開始說話，為何不等於工作已完成？

首音讓使用者知道助理已接住問題，但後面可能還需要查資料或等待工具。若一句「我幫你查一下」很快出現，並不表示預約也在同樣短的時間內完成。

對簡單互動，開始回應的時間很重要。對要完成操作的產品，則要看整件事何時結束。因此，測試紀錄最好同時保留首音與最終結果，才能分辨改善發生在哪裡。

官方也公布工具任務完成率，Max 為 87.1%，Mini 為 60.3%。這支持 Max 在該測試中處理複雜工作較有優勢，卻不能直接換成所有客服案件的成功率。

自然對話的評測，又在看什麼？

官方另外引述測試暫停、輪替、打斷與簡短附和的基準，以及真人即時盲比的偏好結果。它們觀察對話互動，和工具是否正確完成，是不同層次的資訊。

因此，一個模型可能在接話節奏上表現好，卻沒有在每一種推理或工具工作領先。讀者可以先決定自己的產品最常卡在哪裡，再選擇有關的指標，而不必尋找所有項目都第一的版本。

本文沒有重跑這些評測，數字依 ElevenLabs 公布、引述評測機構的結果整理。若要導入台灣客服或教學，還要檢查自己的語言與題目。而要開始比較，則得先決定使用完整平台，或把模型接到原本程式。

ElevenAgents 與 Realtime API 有何不同？先決定需要哪一種服務

需要電話、網頁通路、知識庫與工作流程的團隊，可以從 ElevenAgents 平台開始。若已有即時語音程式，只想比較新模型，直接呼叫 Realtime API 則是另一條路。

API 是讓程式彼此呼叫功能的介面。這裡的直接接入，讓既有客戶端使用新模型，但它與平台分開運作，因此不會因為連上模型，就自動取得完整平台的通路和管理功能。

平台模式仍能調哪些內容？

在 ElevenAgents 裡，Custom 模式讓團隊自行選擇理解與發聲等元件。Realtime 模式則由官方管理這些底層設定。兩者的差異，是哪些部分交給官方搭配。

系統提示、聲音、工具、知識庫與對話輪替等設定仍能使用。因此，採用整合版本並不代表只能接受一個完全固定的角色，產品依然需要清楚定義工作目標與可用資料。

例如預約助理仍要知道可以查哪一套系統、何時需要確認，以及遇到找不到紀錄時怎麼回應。模型整合減少的是搭建負擔，沒有替每一家公司的業務規則自動作決定。

相容既有 API，為何仍可能需要修改？

依 官方相容文件，它沿用 OpenAI Realtime 的事件協定，但直接接入只支援 WebSocket，也就是持續連線、雙向交換資料的方式。

若原本採另一種即時連線方式 WebRTC，就需要先調整傳輸。瀏覽器程式也要處理麥克風音訊與聲音播放，所以相容協定可以減少搬移工作，卻不代表每個整合都只改一個網址。

官方範例由伺服器先取得短效連線憑證，再交給瀏覽器使用。這樣一般使用者不必在網頁裡拿到長期金鑰。接入條件確認後，還要回頭檢查原有設定能否沿用，才能估計遷移工作。

現有服務切換前，先看開放進度、原有流程與費用

Realtime 模式是逐步開放，如果帳號裡看不到選項，可能只是工作區還沒開通。官方文件也說明，未開通的工作區直接送出相關設定，仍會被介面拒絕。

這個條件對既有使用者很實際，因為看到發布新聞，不代表現在每個帳號都已能選到。團隊可以先看自己的設定頁，再安排後續測試，避免把開放進度當成操作錯誤。

為何某些產品應先保留 Custom？

若服務指定使用某個模型、外部自訂模型，或工作流程會覆寫底層設定，就要先確認能否改用官方管理。因為這些設定正是整合模式接手的部分，不能假定原本都會繼續生效。

轉接流程也有界線。官方文件指出，Realtime 代理只能與同模式代理互轉，Mini 與 Max 之間可以轉，但與 Custom 模式之間不能直接混用，因此已有多代理流程的團隊應先檢查連接關係。

資料環境則是另一個前提。Max 不提供印度與新加坡的資料駐留環境，而零資料留存模式，以及美國 HIPAA 醫療資料規範的適用設定，官方列為 Max 在美國、歐盟可用，Mini 不支援。

這裡指的是服務選用的資料環境，和使用者住在哪裡不同。因此，台灣團隊不能直接從地名推論自己能不能用，而要核對帳號與實際部署方式。

費用為何不能只看每分鐘？

依 官方模型文件，平台代理除了標準每分鐘費用，還會加上模型輸入、快取輸入與輸出的用量。這些用量以 Token 計算，它是模型處理內容的片段單位，不一定等於一個中文字。

例如同樣長度的預約通話，若其中一件需要多次讀取知識庫與工具結果，模型用量就可能不同。Max 的 Token 費率也較 Mini 高，所以比較整筆工作費用，比只看通話分鐘更完整。

快取是保留可重用內容，讓相同材料不必每次都以全新輸入處理，但是否符合費率條件仍要看平台規則。比較時把整筆任務用量記下來，才看得出兩款模型的費用差距。

台灣團隊先測什麼？從接住一句話，到完成一件事

可以先選一種範圍明確的真實互動，分開觀察對話節奏與最後結果。因為兩者若混成一句「感覺很順」，就很難知道模型是否真的幫產品改善。

以同一個預約流程為例，使用者可能先說星期五，再改成下星期五，或在助理回答時補上時間。測試應查看它是否接住更正、保留正確對象，並在修改前完成必要確認。

人名、日期與數字也應放進實際中文句子裡。支援多種語言提供了嘗試的起點，但台灣常見口音、混合英文名稱與電話裡的聲音條件，仍要由自己的內容驗證。

工具失敗時，對話還能保持清楚嗎？

如果預約系統暫時沒有回應，助理需要讓使用者知道目前狀態，而不能把還沒完成的修改說成已完成。這種情況會同時考驗工具處理與語音說明，適合放進同一份測試流程。

完成後可以核對實際紀錄，再看對話裡的說法是否一致。因為語音回應很流暢，反而容易讓人忽略工作狀態，所以結果回查會比只聽展示更接近使用者需要的可靠性。

測 Mini 與 Max 時，也應使用相同資料與合格條件。若一個版本獲得更完整的工具或提示，就無法知道差距來自模型還是環境。先固定條件，才看得出升級是否值得。

對教學或陪練，合格條件可以偏重接話與內容清楚。對需要改資料的客服，則應增加實際完成結果。這讓選型回到產品任務，也比較容易掌握額外成本有沒有換到必要能力。

延伸閱讀：PersonaPlex 語音 AI 解析：NVIDIA 邊聽邊說模型，客服導入前要測什麼

Eleven Realtime 常見問題 FAQ

Eleven Realtime 和 Eleven v4 一樣嗎？

v4 主要處理文字朗讀，本次產品則接收語音並產生語音回應，涵蓋對話所需的多個元件。兩者在產品流程中負責不同工作。

Mini 一定比 Max 快嗎？

Mini 的定位重視成本與速度，但官方這次公布的平均首音，Max 為 0.57 秒、Mini 為 0.62 秒。不同任務與條件仍應分別比較。

相容 OpenAI Realtime，WebRTC 可以直接不改嗎？

官方直接介面只支援 WebSocket。原本採 WebRTC 的程式需要調整連線與音訊處理，不能只按相容協定就認定所有整合原樣可用。

為何帳號裡看不到 Realtime？

官方採逐步開放，工作區尚未開通時，設定頁可能不顯示選項。是否可用應以自己的帳號狀態為準。

想少搭語音元件，可以先用明確任務比較

新建語音助理、希望減少元件搭配的團隊，適合從一般互動試起。已有指定模型、資料環境或多代理轉接的服務，則要先核對原流程。這兩種起點不同，投入也不會一樣。

這次更新讓自然語音產品多了一條整合路徑，但選型仍要看對話與工作各自是否完成。歡迎免費訂閱 AI 郵報，持續追蹤語音模型、實際工具與適用條件。

資料來源：ElevenLabs 2026 年 10 月 20 日發布文章、官方 Realtime 模型設定與限制、官方協定相容與架構說明。