ElevenLabs lanzó Eleven Realtime el 20 de octubre de 2026, con los modelos v1 Mini y v1 Max para agentes de voz. Admiten más de 90 idiomas y más de 17.000 voces, y se usan desde ElevenAgents o la API Realtime.
La compañía lanzó dos modelos: v1 Mini para conversaciones rápidas y v1 Max para procesos de varias etapas, con soporte para más de 90 idiomas y más de 17 mil voces.
ElevenLabs lanzó Eleven Realtime el 20 de octubre de 2026. Se trata de una línea de modelos de voz a voz (speech-to-speech) pensada para agentes de voz. Cada modelo funciona como un agente completo, que escucha al usuario y responde con voz en tiempo real. Según la compañía, esto evita tener que integrar por separado reconocimiento de voz, detección de actividad de voz, gestión de turnos, un modelo de lenguaje y síntesis de voz.
Dos modelos para dos tipos de uso
Según ElevenLabs, v1 Mini está pensado para conversaciones naturales a bajo costo, en asistentes de IA, herramientas educativas y personajes interactivos. La compañía lo recomienda como opción suficiente para la mayoría de los casos.
El modelo v1 Max está orientado a tareas complejas como atención al cliente, calificación de leads y flujos de varias etapas, en los que el agente debe seguir un proceso y razonar en cada paso.
En las pruebas que cita la compañía, evaluadas por Artificial Analysis, v1 Max obtuvo 87,1% en uso de herramientas frente a 60,3% de v1 Mini. En latencia hasta el primer audio, el promedio fue de 0,57 segundos para Max y 0,62 segundos para Mini.
Idiomas, voces e integración
Ambos modelos admiten más de 90 idiomas y pueden usar cualquiera de las más de 17 mil voces de la biblioteca de ElevenLabs.
Se pueden usar de dos formas. En ElevenAgents, la plataforma de la compañía para crear agentes, se elige el modelo desde un menú y se despliega en teléfono, web, WhatsApp y entornos de contact center (CCaaS). También hay una API Realtime, que funciona por WebSocket y sigue la especificación de la API Realtime de OpenAI, de modo que migrar desde ella implica cambiar el endpoint y el nombre del modelo.
La API funciona de forma independiente de ElevenAgents, por lo que no incluye canales ni base de conocimiento. Tampoco admite WebRTC, así que las integraciones que lo usan deben cambiar a WebSocket.
Lo que hay que saber
¿Qué es Eleven Realtime?
Es una línea de modelos de voz a voz de ElevenLabs para crear agentes de voz. Cada modelo escucha al usuario y responde con voz en tiempo real, sin que haya que integrar por separado reconocimiento de voz, gestión de turnos, modelo de lenguaje y síntesis de voz.
¿Cuál es la diferencia entre v1 Mini y v1 Max?
v1 Mini está pensado para conversaciones naturales a bajo costo, como asistentes, herramientas educativas y personajes interactivos. v1 Max está orientado a tareas complejas, como atención al cliente, calificación de leads y flujos de varias etapas.
¿Cuántos idiomas y voces admite?
Ambos modelos admiten más de 90 idiomas y pueden usar cualquiera de las más de 17.000 voces de la biblioteca de ElevenLabs.
¿Cómo se usa Eleven Realtime?
Desde ElevenAgents, que permite desplegar agentes en teléfono, web, WhatsApp y contact center, o mediante la API Realtime, que funciona por WebSocket y sigue la especificación de la API Realtime de OpenAI.
