ElevenLabs lanza Eleven Realtime, modelos de voz a voz para agentes de voz

Entrada de archivo: cubre un hecho del 20 de octubre de 2026 y la publicamos el 8 de noviembre de 2026. Los datos provienen de fuentes de esa fecha y pueden haber cambiado desde entonces.

ElevenLabs lanzó Eleven Realtime el 20 de octubre de 2026, una clase de modelos de voz a voz para agentes de voz, y la describió en su anuncio en el blog de ElevenLabs. Los modelos de lanzamiento fueron v1 Mini, para la mayoría de los casos de uso, y v1 Max, para procesos de varios pasos y uso intensivo de herramientas.

Qué lanzó ElevenLabs

• Ambos modelos admiten más de 90 idiomas y cualquier voz del catálogo de ElevenLabs, que reúne más de 17,000 voces.
• Eleven Realtime está construido sobre una arquitectura en cascada ajustada de extremo a extremo. Cada paso produce texto, lo que habilita las barreras de seguridad (guardrails) de ElevenAgents y la ocultación de datos personales (PII).
• Según ElevenLabs, su Realtime API es compatible con la Realtime API de OpenAI, y el cambio requiere modificar el endpoint y el identificador del modelo.
• La Realtime API se conecta solo por WebSocket. El endpoint de ejemplo es wss://api.elevenlabs.io/v1/convai/realtime con el modelo eleven_realtime_v1_mini.
• ElevenLabs informó que v1 Max empezaba a hablar en 0.57 segundos en promedio y v1 Mini en 0.62 segundos.

Qué significa para quienes crean con IA

Los desarrolladores que ya tenían código escrito para la Realtime API de OpenAI podían probar las voces y los modelos de ElevenLabs en agentes de voz cambiando el endpoint y el ID del modelo. Como cada paso de la cadena en cascada produce texto, se podían aplicar las barreras de seguridad de ElevenAgents y la ocultación de PII, y las dos versiones permitían elegir entre v1 Mini para la mayoría de los casos de uso y v1 Max para procesos de varios pasos con uso intensivo de herramientas.

Disponibilidad y resultados citados

Los modelos estuvieron disponibles en ElevenAgents y en la Realtime API, y ElevenAgents ofrecía canales de teléfono, web, WhatsApp y CCaaS. El anuncio no indicó precios por minuto ni disponibilidad por plan. También citó resultados de Artificial Analysis: Big Bench Audio con 98.8% para v1 Max y 75.9% para v1 Mini, Full-Duplex-Bench con 95.8% para v1 Mini y 94.1% para v1 Max, y uso de herramientas con 87.1% para v1 Max y 60.3% para v1 Mini.

Fuentes

• Introducing Eleven Realtime: a simpler way to build natural voice agents (ElevenLabs, 20 de octubre de 2026, oficial)

Redactado con ayuda de IA, únicamente a partir de las fuentes indicadas arriba. Antes de publicarse, controles automáticos verificaron sus fechas, sus fuentes y todas sus versiones de idioma.