Analyse approfondie · Environ 4 min de lecture
Eleven Realtime : commencer à parler ne signifie pas avoir terminé la tâche
Mini et Max demandent de distinguer raisonnement, interruptions, outils et mode de connexion.
- Date de la source
- Publié ici
- Source vérifiée
ElevenLabs a annoncé Eleven Realtime v1 Mini et Max le 20 octobre. Le communiqué complet présente des modèles de parole à parole via ElevenAgents ou une API WebSocket distincte. Le choix utile porte sur les tâches délégables, plutôt que sur une seule mesure de latence censée prouver la fiabilité de tout le service.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- Le communiqué rapporte 98.8% contre 75.9% en raisonnement oral et 87.1% contre 60.3% sur les tâches avec outils, respectivement pour Max et Mini. Nous ne les avons pas mesurés.
- L’API utilise WebSocket, et non WebRTC ; elle n’hérite pas automatiquement des fonctions de la plateforme ElevenAgents.
L’intégration ne supprime pas la responsabilité
Une application vocale classique relie reconnaissance, modèle de langage et synthèse, avec des règles de pause et d’interruption. L’interface intégrée proposée peut réduire cette coordination, mais le communiqué ne démontre pas la disparition de chaque étape interne. L’équipe reste responsable des règles métier et des permissions. Demander un rendez-vous et le modifier sont deux responsabilités différentes : une réponse persuasive ne prouve pas que le système de réservation a accepté la bonne modification autorisée. Simplicité de connexion, sécurité et reprise sur erreur restent des questions séparées.
Quatre mesures, quatre questions
ElevenLabs attribue l’évaluation à Artificial Analysis. Big Bench Audio pose 1000 questions de raisonnement à voix haute : les résultats déclarés sont 98.8% pour Max et 75.9% pour Mini. Sur les outils, ils sont 87.1% et 60.3%. Pourtant, Mini obtient 95.8% au Full-Duplex-Bench de dynamique conversationnelle, contre 94.1% pour Max. Les valeurs Speech Agent Arena de 998 et 988 sont des scores, pas des pourcentages. Ces résultats appellent une comparaison par tâche, non un vainqueur universel. Nous n’avons pas audité les échantillons, incertitudes ou conditions.
Le premier son marque un début
Le délai moyen annoncé avant la parole est de 0.57 seconde pour Max et 0.62 pour Mini. Il ne mesure ni la fin de la réponse, ni l’outil terminé, ni toutes les conditions téléphoniques. Prenons un exemple hypothétique : un appelant corrige une adresse en cours de phrase. L’agent peut répondre vite tout en enregistrant l’ancienne adresse. Une évaluation utile vérifie donc reprise après interruption et cohérence de l’état final. Ce scénario est notre proposition de test, pas une erreur observée sur ces modèles.
Une connexion compatible ne migre pas tout
Le fournisseur présente une API compatible avec OpenAI Realtime et un SDK existant dont changent endpoint et modèle. Mais il précise que seul WebSocket est pris en charge : une application WebRTC doit changer de transport. L’API indépendante est distincte d’ElevenAgents, qui fournit canaux, connaissances, workflows, garde-fous et supervision. Il faut inventorier ses dépendances avant de conclure à l’équivalence. Authentification, autorisation des outils, erreurs et reprise doivent être vérifiées dans l’intégration réelle. Un exemple de connexion n’est pas un test d’acceptation en production.
Fixer le périmètre avant la voix
Le fournisseur destine Mini aux conversations courantes et Max aux workflows complexes avec outils, et annonce plus de 90 langues et 17000 voix. Un pilote pertinent fixe tâche, langue, audio et permissions ; il relève réponses correctes, actions autorisées, interruptions et durée totale. Un score Arena ne devient pas un taux de réussite, une bibliothèque vocale ne prouve pas le raisonnement. Prix et accès restent à vérifier : le communiqué n’établit ni gratuité, ni open source, ni qualité identique entre dialectes, ni autorisation commerciale illimitée pour chaque voix.
Pourquoi cela compte
Notre analyse distingue aisance de conversation, décision correcte et action autorisée réellement accomplie. Les mêmes tâches doivent servir à comparer les modèles, avec vérification du résultat après interruption.
Limites et disponibilité
Nous avons lu le communiqué complet sans auditer les essais originaux, appeler l’API ou acheter des crédits. Le texte ne fournit ni prix unitaire vérifié ni droit gratuit général. Les nombres de langues et de voix ne garantissent ni qualité uniforme ni droits commerciaux illimités.
Sources et preuves
Date de la source: 20 oct. 2026 · Source vérifiée: 21 oct. 2026
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.