# Eleven Realtime 语音到语音模型

Vercel 与 ElevenLabs 合作，把 14 个 ElevenLabs 音频模型接入 AI Gateway，覆盖语音转文字、流式文字转语音、实时语音智能体、音乐、音效和多说话人对话六类。此前这些能力需要分别接入，现在应用或智能体可用同一把网关密钥先转写用户语音、再交给任选的语言模型推理、最后用 ElevenLabs 声音作答，且每个请求与其它网关流量共用同一套用量、成本和追踪视图。上线后前 14 天至 11 月 9 日，全部 ElevenLabs 模型在 AI Gateway 上五折。

Vercel 与 ElevenLabs 合作，把 14 个 ElevenLabs 音频模型接入 AI Gateway，覆盖语音转文字、流式文字转语音、实时语音智能体、音乐、音效和多说话人对话六类。此前这些能力需要分别接入，现在应用或智能体可用同一把网关密钥先转写用户语音、再交给任选的语言模型推理、最后用 ElevenLabs 声音作答，且每个请求与其它网关流量共用同一套用量、成本和追踪视图。上线后前 14 天至 11 月 9 日，全部 ElevenLabs 模型在 AI Gateway 上五折。

ElevenLabs 发布 Eleven Realtime 系列语音到语音模型，把语音识别、语音活动检测、轮次切换、大模型和语音合成等分散组件收进一个完整语音智能体，支持 90 多种语言和 17000 多种音色。此前开发者要逐项选型并反复调参才能让各部件协同。独立评测中，v1 Max 在 Big Bench Audio 的 1000 道语音推理题上答对 98.8%，平均 0.57 秒开口，v1 Mini 分别为 75.9% 和 0.62 秒。

ElevenLabs 发布 Eleven Realtime 系列语音到语音模型，把语音识别、语音活动检测、轮次切换、大模型和语音合成等分散组件收进一个完整语音智能体，支持 90 多种语言和 17000 多种音色。此前开发者要逐项选型并反复调参才能让各部件协同。独立评测中，v1 Max 在 Big Bench Audio 的 1000 道语音推理题上答对 98.8%，平均 0.57 秒开口，v1 Mini 分别为 75.9% 和 0.62 秒。