2026.10.20 TUE23:25 JSTElevenLabs
ElevenLabsが音声対話モデル公開
今日試せるAPIと管理画面で提供中
AIが音声を聞いて直接声で答えるモデルが登場。接続先を変えるだけで既存システムから使えます。
- 音声認識から発話まで一括処理する音声対話モデルが登場した
- OpenAIのリアルタイムAPI互換で既存コードを移行できる
- 日常会話用のMiniと推論重視のMaxの2種を提供する
目線
既存のOpenAIリアルタイムAPI向け実装を持つチームは、エンドポイントの変更だけで音声対話の遅延と応答品質を比較検証できる段階にある。
対象
音声対話エージェントの開発者やコールセンター自動化担当者
使える場面
- WebSocket経由でOpenAI互換コードの接続先を切り替えて応答速度を比較する
- 管理画面から日常会話向けMiniまたは業務向けMaxを選んで通話対応エージェントを構築する
試すなら
公式ドキュメントでWebSocket接続仕様を確認し、既存のOpenAI SDK設定のエンドポイントを差し替えてテストする
確認点
ローンチ時点のRealtime APIはWebSocket接続のみでWebRTCには対応していない
背景
従来の音声ボットは文字起こし・LLM推論・音声合成を個別に連携させる構成が多く、遅延や会話の不自然さが課題となっていた。
何が変わったか
- 音声認識・発話タイミング・言語処理・音声合成を単一システムに統合したEleven Realtimeを発表
- 会話向け「v1 Mini」（応答開始まで620ms）と推論・ツール呼出向け「v1 Max」（同570ms）の2モデルを展開
- OpenAI Realtime API互換のWebSocketエンドポイントを提供し、既存SDKから接続可能にした
使える場面・影響
音声エージェント構築時の遅延が短縮され、複雑なパイプラインを組まずに自然な割り込みや会話のやり取りを実装できる。
試す前に確認
- 料金はElevenAgentsでは分数課金＋トークン費、Realtime APIでは接続分数＋トークン費
- 90以上の言語および方言に対応