Die Nachricht
ElevenLabs hat am 20. Oktober 2026 Eleven Realtime vorgestellt. Die beiden Varianten Mini und Max nehmen gesprochene Eingaben entgegen und antworten mit einer KI-Stimme. Sie sind für Gespräche gedacht, in denen auch Pausen und Unterbrechungen zum Ablauf gehören. Nach Angaben des Unternehmens unterstützen beide mehr als 90 Sprachen. Ankündigung
Mini für Gespräche, Max für mehrstufige Aufgaben
Mini richtet sich vor allem an KI-Assistenten und interaktive Figuren. Max soll dann zum Einsatz kommen, wenn ein Agent längere Anweisungen befolgen oder mehrere Arbeitsschritte mit eingebundenen Werkzeugen ausführen muss. Als Beispiele nennt ElevenLabs den Kundensupport und Abläufe, bei denen ein einzelner Gesprächsbeitrag noch nicht zur Lösung führt. Mit Werkzeugen sind angebundene Funktionen gemeint, über die ein Agent beispielsweise Daten aus einer Anwendung abrufen oder dort einen vorgesehenen Vorgang auslösen kann. Ankündigung
Hinter beiden Angeboten steckt ein Bündel mehrerer Modelle. Die Dokumentation bezeichnet den Aufbau ausdrücklich als Modellkaskade: Spracherkennung, das Modell für die Antwort und die Sprachausgabe arbeiten als abgestimmtes System zusammen. Es handelt sich also nicht um ein einzelnes Modell, das den gesamten Vorgang durchgängig als Audio verarbeitet. Welche konkreten Modelle die einzelnen Aufgaben übernehmen, veröffentlicht ElevenLabs bislang nicht. Architektur in der Dokumentation
Im Realtime-Modus verwaltet ElevenLabs die zugehörigen Modelleinstellungen. Wer einen Agenten einrichtet, kann weiterhin dessen Anweisungen, Stimme und Werkzeuge festlegen. Die Abstimmung der einzelnen Modellbausteine übernimmt der Anbieter. Wer ein bestimmtes Sprach- oder Ausgabemodell selbst auswählen möchte, muss den Custom-Modus verwenden. Dokumentation
Erste Audioantwort im Test nach rund 0,6 Sekunden
Artificial Analysis misst bei Big Bench Audio die Zeit bis zum Beginn der Audioantwort. Für Max nennt die Auswertung durchschnittlich 0,57 Sekunden, für Mini 0,62 Sekunden. Diese Werte beschreiben den getesteten Ablauf. Sie sind keine zugesicherten Wartezeiten für jede Anwendung. Artificial Analysis
Der Benchmark enthält 1.000 gesprochene Denkaufgaben. ElevenLabs nennt dafür 98,8 Prozent richtige Antworten bei Max und 75,9 Prozent bei Mini. Aus diesem einzelnen Test lässt sich nicht ableiten, wie zuverlässig ein Agent beliebige Kundenanfragen bearbeitet. Ankündigung · Artificial Analysis
Größerer Abstand beim Einsatz von Werkzeugen
Eine weitere Auswertung liefert die Speech Agent Arena. Dort führen Menschen verdeckte Vergleichsgespräche mit verschiedenen Systemen. Neben der Gesprächspräferenz erfasst die Arena, ob die Agenten Aufgaben durch passende Werkzeugaufrufe abschließen. Am 20. Oktober weist die Tabelle dafür 87,1 Prozent bei Max und 60,3 Prozent bei Mini aus. Das stützt die Unterscheidung zwischen einem Gesprächsassistenten und einem Agenten für mehrstufige Abläufe. Eine allgemeine Spitzenposition ergibt sich daraus nicht. Speech Agent Arena
Freischaltung und Abrechnung
Die Modelle werden laut Dokumentation schrittweise freigeschaltet. Innerhalb von ElevenAgents lassen sie sich mit Plattformfunktionen wie Wissensbasis und Telefonanbindung nutzen. Dort setzt sich die Abrechnung aus dem regulären Minutenpreis und den Kosten für Eingabe-, zwischengespeicherte Eingabe- und Ausgabetokens zusammen. Tokens sind kleine Einheiten, in denen das System Eingaben und Antworten abrechnet. Max hat höhere Tokenkosten als Mini. Dokumentation
Für eigene Anwendungen gibt es eine separate API, die zu bestehenden OpenAI-Realtime-Anbindungen kompatibel sein soll. Sie verwendet WebSocket, eine dauerhafte Verbindung zum Server. WebRTC, eine andere Technik für direkte Audioverbindungen im Browser, unterstützt sie nicht. Entsprechende Anwendungen benötigen daher Anpassungen. Die zusätzlichen Funktionen von ElevenAgents sind über diese eigenständige API nicht automatisch verfügbar. Ankündigung
Quellen
5 Links
Stand der Recherche: 20.10.2026. Eleven Realtime wurde nicht selbst getestet. Der Beitrag stützt sich auf die Dokumentation von ElevenLabs und die veröffentlichten Messungen von Artificial Analysis.
Alle Angaben erfolgen nach bestem Wissen und ohne Gewähr. Für Richtigkeit, Vollständigkeit und Aktualität übernehme ich, soweit gesetzlich zulässig, keine Haftung.
Du planst einen Film für deine Marke?
Schick mir Produkt, Einsatz und Zeitraum. Ich entwickle das Konzept und produziere deinen Werbefilm, Imagefilm oder deine Social Ads bis zum fertigen Schnitt.