语音智能体不必再自己拼组件：ElevenLabs 推出端到端实时模型，Max 语音推理准确率 98.8%
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。