Generasi Suara

Eleven Realtime Mini vs Max: Model ElevenLabs Mana untuk Agen Suara

Eleven Realtime v1 Mini dan Max dibandingkan dari sisi latensi, penalaran lisan, dan pemanggilan tool, lengkap dengan kasus penggunaan tiap model dan catatan harga sebelum membangun agen suara.

6 min readBy The Arena Editor
#ElevenLabs#Agen suara#Speech to speech#API Realtime
Dua aliran gelombang suara antara mikrofon dan speaker, ilustrasi minimalis

Some links are partner links: if you subscribe through them, we may earn a commission, at no extra cost to you. The crowd verdicts stay independent.

Eleven Realtime Mini atau Max: inilah keputusan nyata pertama saat membangun agen suara di API speech-to-speech baru dari ElevenLabs. Max lebih cepat dan jauh lebih akurat, sedangkan Mini dirancang untuk percakapan alami dengan biaya lebih rendah. Benchmark independen yang dirilis bersama peluncuran Oktober 2026 membuat pilihan ini sangat jelas; satu-satunya angka yang belum ada adalah harga per menit.

Max untuk bertindak, Mini untuk mengobrol

Pilih Eleven Realtime v1 Max untuk layanan pelanggan, kualifikasi prospek, dan pemanggilan tool multi-langkah: skornya 98,8% di Big Bench Audio dan 87,1% untuk tool use, dibanding 75,9% dan 60,3% milik Mini. Pilih Mini untuk asisten, tutor, dan karakter, karena unggul dalam kelancaran percakapan (95,8% di Full-Duplex-Bench). Paket ElevenLabs mulai dari $5 per bulan.

Apa itu Eleven Realtime dan apa yang berubah pada 20 Oktober

Eleven Realtime adalah keluarga model speech-to-speech: audio masuk, audio keluar, di balik satu ID model. Selama ini, agen suara ElevenLabs merangkai tiga langkah (pengenalan suara, model bahasa, lalu sintesis suara). Model speech-to-speech native menghapus dua serah terima, dan dari situlah sebagian besar jeda percakapan berasal.

Dua model dirilis pada 20 Oktober 2026 (pengumuman resminya diperbarui pada 29 Oktober):

  • Eleven Realtime v1 Mini: percakapan alami dengan biaya rendah (asisten AI, pengajar, karakter interaktif).
  • Eleven Realtime v1 Max: tugas kompleks dengan banyak pemanggilan tool (layanan pelanggan, kualifikasi prospek, alur kerja multi-langkah).

Keduanya mendukung lebih dari 90 bahasa dan dapat memakai salah satu dari 17.000+ suara di pustaka ElevenLabs. Angka ini penting: suara yang didengar penelepon bisa sama dengan suara yang sudah dipakai merek untuk narasi YouTube atau buku audio, konsistensi yang tidak ditawarkan stack yang hanya mengandalkan OpenAI.

Tiga minggu kemudian, di Summit New York pada 11 November, ElevenLabs menambahkan Memory, Routines, dan pratinjau Interaction Engine ke platform agennya, plus Scribe v3 Medical untuk transkripsi. Realtime adalah lapisan suara di bawah seluruh stack tersebut.

Eleven Realtime Mini vs Max: perbandingan latensi dan akurasi

Skor di bawah ini berasal dari Artificial Analysis, lembaga evaluasi independen, dan dipublikasikan ElevenLabs saat peluncuran.

BenchmarkYang diukurv1 Miniv1 MaxPemenang
Waktu hingga audio pertamaRata-rata jeda sebelum agen mulai berbicara0,62 dtk0,57 dtkMax
Big Bench AudioPenalaran lisan, 1.000 pertanyaan75,9%98,8%Max
Tool usePemanggilan fungsi yang benar di tengah percakapan60,3%87,1%Max
Full-Duplex-BenchDinamika percakapan (giliran bicara, interupsi)95,8%94,1%Mini
Speech Agent ArenaSkor preferensi manusia988998Max

Ada tiga temuan utama.

Latensi bukan pembeda. Selisih 0,05 detik (0,62 dtk vs 0,57 dtk) tidak terasa oleh penelepon. Kedua model berada jauh di bawah ambang satu detik, batas ketika panggilan telepon mulai terasa tersendat. Memilih Mini "demi kecepatan" tidak masuk akal: Max justru yang lebih cepat.

Akurasi adalah pembeda sesungguhnya. Selisihnya 22,9 poin di Big Bench Audio dan 26,8 poin untuk tool use. Dalam praktiknya, 60,3% pada tool use berarti kira-kira empat dari sepuluh pemanggilan gagal: reservasi di tanggal yang salah, pengecekan pesanan yang gagal, kolom CRM yang tetap kosong. Untuk agen apa pun yang tugasnya melakukan sesuatu, Mini belum siap produksi dengan angka ini.

Mini sedikit lebih luwes mengobrol. Di Full-Duplex-Bench, yang menguji seberapa alami model menangani interupsi, jeda, dan ucapan yang tumpang tindih, Mini mengungguli Max (95,8% vs 94,1%). Untuk tutor bahasa atau karakter gim, di mana percakapan itu sendiri adalah produknya dan tidak ada API yang dipanggil, metrik inilah yang penting.

Model mana yang dipilih sesuai kasus penggunaan

Putusan arena mengikuti benchmark, bukan tingkatan pemasaran.

Kasus penggunaanModel yang disarankanAlasan
Triase dan pengalihan panggilanMiniSedikit pemanggilan tool, percakapan singkat, biaya penting dalam volume besar
Tutor bahasa, teman virtual, karakter gimMiniSkor giliran bicara terbaik (95,8%), tanpa tool
Layanan pelanggan dengan pengecekan pesanan atau akunMax87,1% tool use vs 60,3%
Kualifikasi prospek yang terhubung ke CRMMaxLogika multi-langkah dan penulisan ke sistem eksternal
Pemesanan janji temu dan alur kerja multi-langkahMaxSetiap pemanggilan gagal berarti janji temu hilang

Pola praktis untuk contact center: alihkan beberapa detik pertama panggilan ke agen triase yang lebih murah, lalu serahkan ke agen Max begitu kebutuhan penelepon memerlukan tindakan. Apakah pembagian ini benar-benar menghemat biaya bergantung pada harga per menit, dan di situlah catatan utamanya.

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: integrasi, kompatibilitas, dan catatan harga

Integrasi adalah kekuatan terbesar peluncuran ini. API Realtime terhubung lewat WebSocket dan mengikuti spesifikasi Realtime dari OpenAI, sehingga SDK OpenAI berjalan tanpa perubahan: integrasi OpenAI Realtime yang sudah ada cukup beralih dengan mengganti endpoint dan nama model. Bagi tim yang sudah menjalankan agen suara di OpenAI, menguji ElevenLabs hanya butuh satu sore, bukan penulisan ulang.

Tiga batasan perlu diperhatikan sebelum berkomitmen:

  • Tidak ada WebRTC langsung. Integrasi browser atau seluler berbasis WebRTC harus pindah ke WebSocket terlebih dahulu. Ini pekerjaan nyata di sisi klien.
  • API terpisah dari ElevenAgents. Kanal telepon, basis pengetahuan, dan fitur platform lainnya membutuhkan ElevenAgents, yang direkomendasikan ElevenLabs sebagai titik masuk default.
  • Tidak ada harga per menit yang dipublikasikan. Pengumuman tidak mencantumkan tarif Realtime. Perbandingan biaya apa pun dengan OpenAI atau rangkaian klasik hanyalah tebakan sampai ElevenLabs merilisnya, karena itu tidak ada angka yang disebutkan di sini.

Yang sudah diketahui adalah jenjang langganan, diverifikasi di halaman harga ElevenLabs pada Oktober 2026: Starter $5 per bulan (tahunan), Creator $22, Pro $99, Scale $299, dan Business $990. Paket gratis memberi 10.000 kredit per bulan untuk uji coba. Peringatan utama dari katalog juga berlaku di sini: kredit cepat habis, regenerasi tetap memakan kredit, dan pengguna melaporkan biaya riil hingga sekitar 2,8 kali tarif per karakter yang diiklankan. Sesi agen yang panjang di jalur bervolume tinggi akan menekan sistem ini jauh lebih berat daripada narasi.

ElevenLabs dibandingkan alternatif untuk agen suara

Di GLAD-AI-TOR, ElevenLabs meraih skor rekomendasi penonton 81% dari 12 suara (11 merekomendasikan, 1 menghindari), skor tertinggi di arena suara, dan "agen suara / IVR" termasuk empat kegunaan terbaiknya. Dua alat lain di katalog sering masuk daftar pendek untuk tugas yang sama:

AlatMulai dariSkor penontonPendekatan agen suara
ElevenLabs$5/bulan81% (12 suara)Speech-to-speech native (Realtime), 17.000+ suara, API kompatibel OpenAI
Resemble AI$2/bulan per klon suara50% (belum ada suara)TTS streaming ~200 ms, deteksi deepfake, on-premise; bukan platform agen menyeluruh
WellSaid Labs$10/bulan (tahunan)50% (belum ada suara)Suara aktor berlisensi, IVR lewat API enterprise; harga API tidak dipublikasikan

Resemble AI adalah alternatif untuk industri yang diatur ketat: TTS seharga $0,0005 per detik (sekitar $1,80 per jam audio), SOC 2 Type II, opsi on-premise, dan deteksi deepfake bawaan. Namun ia tetap lapisan suara: logika percakapan memerlukan perangkat terpisah. WellSaid Labs pada dasarnya studio narasi yang aman bagi merek; penggunaan sebagai agen melalui API enterprise yang hanya diakses lewat tim penjualan. Keduanya belum menawarkan model speech-to-speech native. Peringkat lengkap ada di halaman alternatif ElevenLabs, dan duel langsungnya di ElevenLabs vs Resemble AI.

Tim yang lebih menyukai rangkaian klasik (transkripsi sendiri, LLM murah, lalu TTS) tetap memegang kendali penuh atas "otak" agen. Kendali itu dibayar dengan latensi, persis hal yang dihapus Realtime.

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.

Putusan akhir

  • Gunakan Max secara default begitu ada tool yang dipanggil. 87,1% tool use dan 98,8% Big Bench Audio dibanding 60,3% dan 75,9% milik Mini: selisih 26,8 poin dalam tindakan terlalu besar untuk layanan pelanggan atau penjualan.
  • Gunakan Mini ketika percakapan adalah produknya. Tutor, teman virtual, dan karakter diuntungkan oleh skor 95,8% di Full-Duplex-Bench, dan tanpa pemanggilan tool, kelemahannya tidak pernah muncul.
  • Jangan memilih Mini demi kecepatan. Max lebih cepat (0,57 dtk vs 0,62 dtk), dan keduanya jauh di bawah satu detik.
  • Susun anggaran dengan hati-hati. Harga Realtime per menit belum dipublikasikan; rencanakan berdasarkan jenjang langganan ($5 hingga $990 per bulan) dan konsumsi kredit yang terdokumentasi, lalu ukur pemakaian nyata lewat uji coba.
  • Migrasi dari OpenAI Realtime murah, kecuali stack bergantung pada WebRTC.

Penonton sudah memberi peringkat: 81% merekomendasikan ElevenLabs. Untuk membandingkannya dengan semua alat suara lain dari sisi harga dan skor, lihat peringkat generator suara AI terbaik, dan baca cara kerja kredit ElevenLabs yang sebenarnya sebelum memilih paket.

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