IA en un minutoNoticiasModelos
ElevenLabs lanza Eleven Realtime, sus modelos de voz a voz en tiempo real para crear agentes de voz
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
ElevenLabs estrena Eleven Realtime, modelos de voz a voz que reúnen en un único sistema todo lo necesario para que un agente converse al momento. Max, la versión que razona, resolvió casi todas las preguntas habladas de Big Bench Audio según Artificial Analysis, muy por encima de Mini, la más económica. Quien ya trabaja con la Realtime API de OpenAI puede migrar cambiando solo dos datos de su código.
El martes 20 de octubre, ElevenLabs presentó Eleven Realtime, una familia de modelos de voz a voz para construir agentes de voz que escuchan y contestan en tiempo real. Cada modelo reúne en un solo sistema, ajustado de principio a fin, el reconocimiento del habla, la gestión de los turnos de palabra, el modelo de lenguaje y la voz sintética.
Hay dos versiones. Mini, la opción más barata, está pensada para asistentes, tutores educativos y personajes interactivos, usos en los que lo principal es que la conversación fluya. Max añade capacidad de razonamiento para atención al cliente, cualificación de clientes potenciales y tareas de varios pasos que exigen llamar a herramientas. Las dos funcionan en más de 90 idiomas y pueden usar cualquiera de las más de 17.000 voces de su biblioteca.
En las pruebas independientes de Artificial Analysis, Max acertó el 98,8% de las preguntas de Big Bench Audio (una prueba de razonamiento con preguntas habladas), frente al 75,9% de Mini. Con ese resultado, Max es tercero de los 43 modelos evaluados, por detrás de StepAudio 3 Realtime (99,7%) y Qwen Audio 3.0 Realtime Plus (99,2%). Según recoge Analytics India Magazine, Max también completó el 87,1% de las tareas con herramientas, frente al 60,3% de Mini, y empieza a hablar de media en 0,57 segundos, por 0,62 de Mini. Mini, en cambio, saca algo más en Full-Duplex-Bench, que mide pausas, interrupciones y turnos: 95,8%, frente al 94,1% de Max.
Eleven Realtime sigue las especificaciones de la Realtime API de OpenAI (su API para voz en tiempo real), así que, según la empresa, quien ya la usa puede pasarse a ElevenLabs cambiando la dirección de la API y el nombre del modelo. Su guía de compatibilidad explica que los eventos y la conexión por WebSocket son los mismos y que el SDK de OpenAI sirve sin cambios. Quien tenga una integración por WebRTC tendrá que pasarla a WebSockets, según Analytics India Magazine.
Los modelos están disponibles en ElevenAgents, la plataforma de agentes de la empresa, y en la Realtime API. En ElevenAgents se cobran con la tarifa por minuto de la plataforma más el coste del modelo de lenguaje por token; en la API, por minuto de audio conectado más los tokens. La página del lanzamiento no da cifras y remite a la de precios.
Por qué importa · análisis y opinión
La competencia en los agentes de voz se está desplazando de la calidad de la voz a lo fácil que resulta cambiar de proveedor. Al adoptar la interfaz de OpenAI, ElevenLabs deja casi sin coste la prueba para quien ya tiene un agente funcionando, y obliga al resto a competir también en precio y condiciones. Para una empresa que atiende llamadas o consultas, la elección ya no es solo qué voz suena mejor: Max apunta a conversaciones con trámites y consultas a sistemas internos, y Mini a interacciones más sencillas y baratas. Lo que aún falta para decidir con datos es el precio real por minuto en cada caso y cómo se comportan con el acento y el vocabulario de cada negocio, algo que las pruebas públicas no reflejan. Lo sensato es una prueba corta con llamadas reales antes de comprometerse.
Fuente oficial: ElevenLabs · Redactada con ayuda de IA: cómo hacemos las noticias
¿Qué significa para tu negocio? · análisis y opinión
Esta novedad interesa sobre todo a las empresas pequeñas de España y Latinoamérica que ya atienden llamadas o consultas con un agente de voz, o que se lo encargan a un desarrollador, y en especial a las que lo tienen montado sobre la Realtime API de OpenAI. A quien no usa agentes de voz ni piensa usarlos, de momento no le cambia nada. Para un negocio que atiende en español, portugués o inglés, que funcione en más de 90 idiomas puede ahorrar tener que montar un sistema distinto para cada mercado.
Nuestro consejo es no cambiar de proveedor a ciegas. Como el cambio técnico es pequeño (la dirección de la API y el nombre del modelo), sale barato hacer una prueba con llamadas reales de clientes y comparar. La noticia apunta a Max para atención al cliente y tareas de varios pasos, y a Mini para conversaciones más sencillas; conviene probar los dos. Ojo: según la fuente, quien conecte por WebRTC tendrá que pasar a WebSockets, algo que conviene preguntar al desarrollador antes de decidir.
La noticia no da precios, así que lo prudente es consultar la tarifa antes de hacer números. Y hay un riesgo que no conviene olvidar: un agente de voz trata la voz y los datos de los clientes, de modo que hay que avisarles de que hablan con una máquina y revisar qué se graba y dónde se guarda.
