英伟达投的AI语音独角兽发两款新模型，半秒内就能实时响应，附实测

智东西 作者 | 孙小雯 编辑 | 程茜 智东西10月22日消息，10月20日， 英国AI音频独角兽ElevenLabs 发布实时语音系列模型Eleven Realtime，包括 面向自然交流的Eleven Realtime v1 Mini ，以及 面向客服、多步骤任务的Eleven Realtime v1 Max 。两款模型均支持超过90种语言，可使用ElevenLabs声音库中 超过1.7万种音色 。 此次发布主打 简化语音智能体的搭建和调试 。过去，开发者需要分别选择语音识别、大语言模型和语音合成等组件，再调整接话、打断等交互细节。 Eleven Realtime统一配置和调优底层组件 ，开发者选择Mini或Max后，即可围绕具体业务设置角色、知识库和工具，无需再逐项选择底层模型。 实时语音的难点之一，是既要答得对，又不能让用户等太久。据第三方AI评测机构Artificial Analysis的独立测试， Max在Big Bench Audio语音推理评测中以98.8%的正确率位列第三，平均首次音频响应时间为0.57秒 。 此次模型发布，智东西测试了其中的Architect搭建助手。从实测体验来看， 用语音修改Agent设置比较方便，多项操作无需手动点击。不过，中文口音明显，回复偏长，延迟也较高。 ElevenLabs于2022年成立，从文本转语音起家，逐步将业务扩展至语音识别、音效、音乐和对话智能体。今年2月， 公司完成5亿美元（约33.4亿元人民币）D轮融资，估值110亿美元（约734.2亿元人民币） ；9月的一笔员工股份交易使其估值达到220亿美元（约1468.4亿