ElevenLabs lancia Eleven Realtime, modelli vocali che rispondono in circa mezzo secondo
ElevenLabs' Eleven Realtime è disponibile nelle versioni Max e Mini e comunica direttamente da parlato a parlato. La precisione e la velocità sono dichiarate dall'azienda.
ElevenLabs ha rilasciato due nuovi modelli vocali chiamati Eleven Realtime, creati per conversazioni AI che sembrano una vera telefonata. Secondo The Decoder del 20 ottobre, esistono due versioni. v1 Max è destinato a lavori più impegnativi come l’assistenza clienti e ottiene un punteggio del 98,8% nel test Big Bench Audio con un tempo di risposta di 0,57 secondi. v1 Mini è progettato per conversazioni quotidiane naturali a costi inferiori. ElevenLabs afferma che può capire quando un oratore ha davvero finito, invece di dire semplicemente “mm-hmm” per mostrare che sta ascoltando.
Questi sono modelli “speech-to-speech”. Gli assistenti vocali più vecchi concatenano tre passaggi: trasforma il tuo discorso in testo, lascia che un chatbot pensi al testo, quindi trasforma nuovamente la risposta in parlato. Ogni passaggio aggiunge ritardo. Un modello di sintesi vocale funziona con il suono in modo più diretto, il che è un modo per eliminare le pause imbarazzanti e cogliere meglio il tono e il tempismo. Il grafico di The Decoder posiziona Max in alto a sinistra, il che significa alta precisione e basso ritardo, e ElevenLabs afferma che nessun modello nella classifica Artificial Analysis è allo stesso tempo più veloce e più preciso. Entrambi i modelli sono disponibili tramite la piattaforma ElevenAgents e OpenAI compatibile con Realtime API. Un altro rapporto aggiunge il supporto per più di 90 lingue.
Tratta le affermazioni con una certa attenzione. I dati su velocità e precisione provengono da ElevenLabs e l’articolo Decoder non fornisce risultati per Mini, nessun elenco di lingue e nessuna limitazione dettagliata. Il prezzo è al minuto più i costi token, con Max che costa più di Mini, ma le tariffe specifiche sono solo nella pagina dei prezzi dell’azienda.
Cosa c’è dietro: uno “benchmark” è un test standard utilizzato per confrontare i modelli e Big Bench Audio controlla quanto bene un modello gestisce le domande vocali. Un punteggio elevato è un buon segno, ma non equivale a gestire una linea rumorosa, accenti forti o un cliente arrabbiato. Il tempo di risposta è importante perché gli esseri umani sono sensibili alle pause nella conversazione. Circa mezzo secondo sembra naturale; due secondi sembrano rotti. Ecco perché così tante aziende, tra cui Mistral questa settimana con Voxtral 3, stanno facendo a gara per rendere gli agenti vocali più rapidi ed economici.
Che cosa significa per te: se usi occasionalmente gli assistenti vocali, aspettati che il loro suono sia più fluido nei prossimi mesi. Se crei assistenza clienti o strumenti di prenotazione, questa è un’altra opzione da testare accanto a Mistral e altri. Provalo con le tue registrazioni e con gli accenti dei tuoi clienti reali prima di decidere e leggi la pagina dei prezzi, perché i costi al minuto si sommano rapidamente su larga scala.
Fonti
Gemini nella tua auto ora può utilizzare Gmail, Photos e il calendario, se lo consenti
Google sta lanciando da Personal Intelligence a Gemini su Android Auto. È attivabile e utilizza le tue app per rispondere alle domande senza ulteriori spiegazioni.
