Génération de voix

Eleven Realtime Mini vs Max : quel modèle ElevenLabs pour vos agents vocaux

Eleven Realtime v1 Mini et Max comparés sur la latence, le raisonnement oral et les appels d'outils, avec les cas d'usage de chaque modèle et les réserves tarifaires avant de lancer un agent vocal.

7 min readBy The Arena Editor
#ElevenLabs#Agents vocaux#Speech to speech#API Realtime
Deux flux d'ondes sonores entre un micro et un haut-parleur, illustration minimaliste

Certains liens sont des liens partenaires : si vous vous abonnez via eux, nous pouvons toucher une commission, sans surcoût pour vous. Les verdicts de la foule restent indépendants.

Eleven Realtime Mini ou Max : c'est le premier vrai choix à faire pour construire un agent vocal sur la nouvelle API speech-to-speech d'ElevenLabs. Max est plus rapide et nettement plus précis, Mini vise la conversation naturelle à moindre coût. Les benchmarks indépendants publiés au lancement d'octobre 2026 rendent l'arbitrage limpide ; seul le prix à la minute manque encore.

Max pour agir, Mini pour discuter

Choisir Eleven Realtime v1 Max pour le support, la qualification de leads et les appels d'outils en plusieurs étapes : 98,8 % sur Big Bench Audio et 87,1 % en tool use, contre 75,9 % et 60,3 % pour Mini. Choisir Mini pour les assistants, tuteurs et personnages, où il gagne sur la fluidité (95,8 % au Full-Duplex-Bench). Les forfaits ElevenLabs démarrent à 5 $/mois.

Eleven Realtime : ce qui a changé le 20 octobre

Eleven Realtime est une famille de modèles speech-to-speech : de l'audio en entrée, de l'audio en sortie, derrière un seul identifiant de modèle. Jusqu'ici, un agent vocal ElevenLabs enchaînait trois étapes (transcription, modèle de langage, puis synthèse vocale). Un modèle speech-to-speech natif supprime deux passages de relais, d'où venait l'essentiel de la latence conversationnelle.

Deux modèles sont sortis le 20 octobre 2026 (l'annonce officielle a été mise à jour le 29 octobre) :

  • Eleven Realtime v1 Mini : la conversation naturelle à bas coût (assistants IA, professeurs, personnages interactifs).
  • Eleven Realtime v1 Max : les tâches complexes avec beaucoup d'appels d'outils (service client, qualification de leads, workflows en plusieurs étapes).

Les deux parlent plus de 90 langues et peuvent utiliser n'importe laquelle des 17 000+ voix de la bibliothèque ElevenLabs. Ce chiffre compte : la voix qu'entend l'appelant peut être celle que la marque utilise déjà pour ses narrations YouTube ou ses livres audio, une cohérence qu'aucune pile 100 % OpenAI n'offre.

Trois semaines plus tard, au Summit de New York du 11 novembre, ElevenLabs a ajouté Memory, Routines et un aperçu de l'Interaction Engine à sa plateforme d'agents, ainsi que Scribe v3 Medical pour la transcription. Realtime est la couche vocale sous tout cet ensemble.

Eleven Realtime Mini vs Max : latence et précision comparées

Les scores ci-dessous viennent d'Artificial Analysis, un évaluateur indépendant, et ont été publiés par ElevenLabs au lancement.

BenchmarkCe qu'il mesurev1 Miniv1 MaxGagnant
Délai avant le premier sonTemps moyen avant que l'agent parle0,62 s0,57 sMax
Big Bench AudioRaisonnement oral, 1 000 questions75,9 %98,8 %Max
Tool useAppels de fonctions corrects en pleine conversation60,3 %87,1 %Max
Full-Duplex-BenchDynamique de conversation (tours de parole, interruptions)95,8 %94,1 %Mini
Speech Agent ArenaScore de préférence humaine988998Max

Trois enseignements.

La latence ne départage pas. Un écart de 0,05 seconde (0,62 s contre 0,57 s) est imperceptible pour un appelant. Les deux modèles restent bien sous le seuil d'une seconde où une conversation téléphonique commence à sembler cassée. Prendre Mini « pour la vitesse » n'a aucun sens : Max est le plus rapide des deux.

La précision fait toute la différence. L'écart atteint 22,9 points sur Big Bench Audio et 26,8 points en tool use. Concrètement, 60,3 % en tool use, c'est environ quatre appels sur dix qui échouent : une réservation à la mauvaise date, une recherche de commande ratée, un champ CRM laissé vide. Pour tout agent dont le rôle est d'agir, Mini n'est pas prêt pour la production sur ces chiffres.

Mini converse un peu mieux. Sur Full-Duplex-Bench, qui teste la gestion naturelle des interruptions, des silences et des chevauchements de parole, Mini devance Max (95,8 % contre 94,1 %). Pour un tuteur de langue ou un personnage de jeu, où la conversation est le produit et où aucune API n'est appelée, c'est la métrique qui compte.

Quel modèle choisir selon le cas d'usage

Le verdict de l'arène suit les benchmarks, pas les gammes marketing.

Cas d'usageModèle conseilléPourquoi
Tri et routage d'appelsMiniPeu d'appels d'outils, échanges courts, coût décisif en volume
Tuteurs de langue, compagnons, personnages de jeuMiniMeilleur score de tours de parole (95,8 %), aucun outil
Support client avec recherche de commande ou de compteMax87,1 % en tool use contre 60,3 %
Qualification de leads vers un CRMMaxLogique en plusieurs étapes et écritures dans des systèmes externes
Prise de rendez-vous et workflows complexesMaxChaque appel raté est un rendez-vous perdu

Un schéma pratique pour les centres de contact : faire passer les premières secondes d'appel par un agent de tri moins cher, puis transférer vers un agent Max dès que la demande exige des actions. Que ce découpage fasse réellement économiser dépend du prix à la minute, ce qui amène la principale réserve.

ElevenLabs

The realism benchmark for AI voices: best-in-class TTS and cloning at a premium price

$5/mo81%(12)

Partner link. The crowd verdicts stay independent.

API Eleven Realtime : intégration, compatibilité et limites tarifaires

L'intégration est le point fort du lancement. L'API Realtime se connecte en WebSocket et suit la spécification Realtime d'OpenAI : le SDK OpenAI fonctionne tel quel, et une intégration OpenAI Realtime existante bascule en changeant l'endpoint et le nom du modèle. Pour une équipe qui fait déjà tourner un agent vocal sur OpenAI, tester ElevenLabs prend un après-midi, pas une réécriture.

Trois limites à connaître avant de s'engager :

  • Pas de WebRTC direct. Les intégrations navigateur ou mobile bâties sur WebRTC doivent d'abord passer en WebSocket. C'est un vrai chantier côté client.
  • L'API est séparée d'ElevenAgents. Les canaux téléphoniques, la base de connaissances et les autres fonctions de la plateforme exigent ElevenAgents, qu'ElevenLabs recommande comme point d'entrée par défaut.
  • Aucun prix à la minute publié. L'annonce ne donne aucun tarif Realtime. Toute comparaison de coût avec OpenAI ou une chaîne classique relève de la supposition tant qu'ElevenLabs ne l'a pas publié, et aucun chiffre n'est avancé ici pour cette raison.

Ce qui est connu, c'est l'échelle des abonnements, vérifiée sur la page tarifs d'ElevenLabs en octobre 2026 : Starter à 5 $/mois (annuel), Creator à 22 $, Pro à 99 $, Scale à 299 $ et Business à 990 $. L'offre gratuite donne 10 000 crédits par mois pour tester. Le principal avertissement du catalogue vaut aussi ici : les crédits fondent vite, les régénérations en consomment aussi, et des utilisateurs signalent un coût réel jusqu'à environ 2,8 fois le tarif affiché par caractère. De longues sessions d'agent sur une ligne à fort volume solliciteront ce système bien plus que la narration.

ElevenLabs face aux alternatives pour les agents vocaux

Sur GLAD-IA-TOR, ElevenLabs affiche 81 % de recommandation de la foule sur 12 votes (11 pour, 1 contre), le meilleur score de l'arène des voix, et « agents vocaux / SVI » fait partie de ses quatre usages phares. Deux autres outils du catalogue sont souvent comparés pour la même mission :

OutilÀ partir deScore de la fouleAngle agent vocal
ElevenLabs5 $/mois81 % (12 votes)Speech-to-speech natif (Realtime), 17 000+ voix, API compatible OpenAI
Resemble AI2 $/mois par clone de voix50 % (aucun vote)TTS en streaming à ~200 ms, détection de deepfakes, on-premise ; pas une plateforme d'agent complète
WellSaid Labs10 $/mois (annuel)50 % (aucun vote)Voix d'acteurs sous licence, SVI via API entreprise ; tarif API non publié

Resemble AI est l'alternative des secteurs réglementés : TTS facturé 0,0005 $ par seconde (environ 1,80 $ l'heure d'audio), SOC 2 Type II, option on-premise et détection de deepfakes intégrée. Il reste une couche vocale : la logique de conversation demande un outillage séparé. WellSaid Labs est d'abord un studio de narration sûr pour les marques ; l'usage agent passe par une API entreprise accessible via les commerciaux. Aucun des deux ne propose aujourd'hui de modèle speech-to-speech natif. Le classement complet figure sur la page alternatives à ElevenLabs, et le face-à-face sur ElevenLabs vs Resemble AI.

Les équipes qui préfèrent une chaîne classique (leur propre transcription, un LLM bon marché, puis la synthèse) gardent la main sur le « cerveau » de l'agent. Ce contrôle se paie en latence, précisément ce que Realtime supprime.

ElevenLabs

The realism benchmark for AI voices: best-in-class TTS and cloning at a premium price

$5/mo81%(12)

Partner link. The crowd verdicts stay independent.

Le verdict

  • Max par défaut dès qu'un outil est appelé. 87,1 % en tool use et 98,8 % sur Big Bench Audio, contre 60,3 % et 75,9 % pour Mini : 26,8 points d'écart sur les actions, c'est trop pour du support ou de la vente.
  • Mini quand la conversation est le produit. Tuteurs, compagnons et personnages profitent de ses 95,8 % au Full-Duplex-Bench, et sans appels d'outils son point faible ne se voit jamais.
  • Ne pas choisir Mini pour la vitesse. Max est plus rapide (0,57 s contre 0,62 s), et les deux restent largement sous la seconde.
  • Budgéter avec prudence. Aucun prix Realtime à la minute n'est publié ; raisonner sur l'échelle des abonnements (de 5 à 990 $/mois) et sur la consommation de crédits documentée, puis mesurer l'usage réel sur un pilote.
  • Migrer depuis OpenAI Realtime coûte peu, sauf si la pile repose sur WebRTC.

La foule a déjà classé le fournisseur : 81 % recommandent ElevenLabs. Pour le comparer à toutes les autres voix sur le prix et le score, voir le classement des meilleurs générateurs de voix IA, et lire comment fonctionnent vraiment les crédits ElevenLabs avant de choisir un forfait.

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal