Generazione vocale

Eleven Realtime Mini vs Max: quale modello ElevenLabs scegliere per gli agenti vocali

Eleven Realtime v1 Mini e Max a confronto su latenza, ragionamento parlato e uso di strumenti, con i casi d'uso di ciascun modello e le riserve sul prezzo prima di lanciare un agente vocale.

7 min readBy The Arena Editor
#ElevenLabs#Agenti vocali#Speech to speech#API Realtime
Due flussi di onde sonore tra un microfono e un altoparlante, illustrazione minimalista

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 o Max: è la prima vera scelta da fare quando si costruisce un agente vocale sulla nuova API speech-to-speech di ElevenLabs. Max è più veloce e molto più preciso, Mini punta alla conversazione naturale a costi più bassi. I benchmark indipendenti pubblicati al lancio di ottobre 2026 rendono il compromesso insolitamente chiaro; manca solo il prezzo al minuto.

Max per agire, Mini per parlare

Scegliere Eleven Realtime v1 Max per assistenza clienti, qualificazione dei lead e chiamate a strumenti in più passaggi: segna 98,8% su Big Bench Audio e 87,1% nel tool use, contro 75,9% e 60,3% di Mini. Scegliere Mini per assistenti, tutor e personaggi, dove vince sulla fluidità (95,8% al Full-Duplex-Bench). I piani ElevenLabs partono da 5 $/mese.

Cos'è Eleven Realtime e cosa è cambiato il 20 ottobre

Eleven Realtime è una famiglia di modelli speech-to-speech: audio in ingresso, audio in uscita, dietro un unico ID di modello. Finora un agente vocale ElevenLabs concatenava tre passaggi (trascrizione, modello linguistico, sintesi vocale). Un modello speech-to-speech nativo elimina due passaggi di consegne, da cui nasceva gran parte del ritardo nella conversazione.

Il 20 ottobre 2026 sono usciti due modelli (l'annuncio ufficiale è stato aggiornato il 29 ottobre):

  • Eleven Realtime v1 Mini: conversazione naturale a basso costo (assistenti IA, insegnanti, personaggi interattivi).
  • Eleven Realtime v1 Max: compiti complessi con molte chiamate a strumenti (assistenza clienti, qualificazione dei lead, workflow in più passaggi).

Entrambi parlano oltre 90 lingue e possono usare qualsiasi delle oltre 17.000 voci della libreria ElevenLabs. Il dato conta: la voce che sente chi chiama può essere la stessa che il brand usa già per le narrazioni su YouTube o gli audiolibri, una coerenza che nessuno stack solo OpenAI offre.

Tre settimane dopo, al Summit di New York dell'11 novembre, ElevenLabs ha aggiunto Memory, Routines e un'anteprima dell'Interaction Engine alla piattaforma per agenti, oltre a Scribe v3 Medical per la trascrizione. Realtime è lo strato vocale sotto tutto questo.

Eleven Realtime Mini vs Max: latenza e precisione a confronto

I punteggi seguenti provengono da Artificial Analysis, un valutatore indipendente, e sono stati pubblicati da ElevenLabs al lancio.

BenchmarkCosa misurav1 Miniv1 MaxVincitore
Tempo al primo audioRitardo medio prima che l'agente parli0,62 s0,57 sMax
Big Bench AudioRagionamento parlato, 1.000 domande75,9%98,8%Max
Tool useChiamate corrette a funzioni durante la conversazione60,3%87,1%Max
Full-Duplex-BenchDinamica conversazionale (turni, interruzioni)95,8%94,1%Mini
Speech Agent ArenaPunteggio di preferenza umana988998Max

Tre letture emergono.

La latenza non fa la differenza. Uno scarto di 0,05 secondi (0,62 s contro 0,57 s) è impercettibile per chi chiama. Entrambi i modelli restano ben sotto la soglia di un secondo oltre la quale una telefonata sembra inceppata. Scegliere Mini "per la velocità" non ha senso: Max è il più veloce dei due.

La precisione è il vero spartiacque. Il divario è di 22,9 punti su Big Bench Audio e di 26,8 punti nel tool use. In pratica, il 60,3% nel tool use significa che circa quattro chiamate su dieci falliscono: una prenotazione con la data sbagliata, una ricerca d'ordine che non va a buon fine, un campo del CRM che resta vuoto. Per qualsiasi agente il cui compito è fare qualcosa, con questi numeri Mini non è pronto per la produzione.

Mini conversa un po' meglio. Sul Full-Duplex-Bench, che misura come un modello gestisce interruzioni, pause e parlato sovrapposto, Mini supera Max (95,8% contro 94,1%). Per un tutor di lingue o un personaggio di un videogioco, dove la conversazione è il prodotto e non si chiama alcuna API, è questa la metrica che conta.

Quale modello scegliere in base al caso d'uso

Il verdetto dell'arena segue i benchmark, non le fasce commerciali.

Caso d'usoModello consigliatoPerché
Smistamento e instradamento delle chiamateMiniPoche chiamate a strumenti, scambi brevi, il costo pesa sui volumi
Tutor di lingue, companion, personaggi di giocoMiniMiglior punteggio sui turni (95,8%), nessuno strumento
Assistenza con ricerche su ordini o accountMax87,1% nel tool use contro 60,3%
Qualificazione dei lead verso un CRMMaxLogica in più passaggi e scritture su sistemi esterni
Prenotazioni e workflow in più passaggiMaxOgni chiamata fallita è un appuntamento perso

Uno schema pratico per i contact center: far passare i primi secondi della chiamata da un agente di smistamento più economico, poi trasferire a un agente Max non appena la richiesta richiede azioni. Se questa divisione faccia davvero risparmiare dipende dal prezzo al minuto, il che porta alla riserva principale.

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: integrazione, compatibilità e riserve sul prezzo

L'integrazione è il punto più forte del lancio. L'API Realtime si collega via WebSocket e segue la specifica Realtime di OpenAI, quindi l'SDK di OpenAI funziona senza modifiche: un'integrazione OpenAI Realtime esistente si migra cambiando endpoint e nome del modello. Per un team che già gestisce un agente vocale su OpenAI, provare ElevenLabs costa un pomeriggio, non una riscrittura.

Tre limiti meritano attenzione prima di impegnarsi:

  • Niente WebRTC diretto. Le integrazioni browser o mobile basate su WebRTC devono prima passare a WebSocket. È lavoro vero lato client.
  • L'API è separata da ElevenAgents. Canali telefonici, knowledge base e le altre funzioni della piattaforma richiedono ElevenAgents, che ElevenLabs consiglia come punto d'ingresso predefinito.
  • Nessun prezzo al minuto pubblicato. L'annuncio non indica alcuna tariffa Realtime. Qualsiasi confronto di costo con OpenAI o con una pipeline classica resta un'ipotesi finché ElevenLabs non la pubblica, e per questo qui non si cita alcuna cifra.

Si conosce invece la scala degli abbonamenti, verificata sulla pagina prezzi di ElevenLabs a ottobre 2026: Starter a 5 $/mese (annuale), Creator a 22 $, Pro a 99 $, Scale a 299 $ e Business a 990 $. Il piano gratuito offre 10.000 crediti al mese per i test. Vale anche qui l'avvertenza principale del catalogo: i crediti si esauriscono in fretta, anche le rigenerazioni li consumano e gli utenti segnalano costi reali fino a circa 2,8 volte la tariffa dichiarata per carattere. Sessioni lunghe di un agente su una linea ad alto volume metteranno sotto pressione questo sistema molto più della narrazione.

ElevenLabs contro le alternative per gli agenti vocali

Su GLAD-IA-TOR, ElevenLabs ha l'81% di raccomandazioni del pubblico su 12 voti (11 a favore, 1 contro), il punteggio più alto dell'arena voce, e "agenti vocali / IVR" è uno dei suoi quattro utilizzi ideali. Altri due strumenti del catalogo finiscono spesso nella stessa rosa:

StrumentoDaPunteggio del pubblicoApproccio agente vocale
ElevenLabs5 $/mese81% (12 voti)Speech-to-speech nativo (Realtime), oltre 17.000 voci, API compatibile con OpenAI
Resemble AI2 $/mese per clone vocale50% (nessun voto)TTS in streaming a ~200 ms, rilevamento deepfake, on-premise; non è una piattaforma per agenti completa
WellSaid Labs10 $/mese (annuale)50% (nessun voto)Voci di attori su licenza, IVR via API enterprise; prezzo API non pubblicato

Resemble AI è l'alternativa per i settori regolamentati: TTS a 0,0005 $ al secondo (circa 1,80 $ per ora di audio), SOC 2 Type II, opzione on-premise e rilevamento deepfake integrato. Resta però uno strato vocale: la logica di conversazione richiede strumenti separati. WellSaid Labs è prima di tutto uno studio di narrazione sicuro per i brand; l'uso come agente passa da un'API enterprise accessibile tramite il commerciale. Nessuno dei due offre oggi un modello speech-to-speech nativo. La classifica completa è nella pagina delle alternative a ElevenLabs, e il testa a testa su ElevenLabs vs Resemble AI.

I team che preferiscono una pipeline classica (trascrizione propria, un LLM economico, poi la sintesi) mantengono il pieno controllo del "cervello" dell'agente. Quel controllo si paga in latenza, esattamente ciò che Realtime elimina.

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.

Il verdetto

  • Max di default appena si chiama uno strumento. 87,1% nel tool use e 98,8% su Big Bench Audio contro 60,3% e 75,9% di Mini: 26,8 punti di distacco sulle azioni sono troppi per assistenza o vendite.
  • Mini quando la conversazione è il prodotto. Tutor, companion e personaggi sfruttano il 95,8% al Full-Duplex-Bench, e senza chiamate a strumenti il punto debole non emerge mai.
  • Non scegliere Mini per la velocità. Max è più veloce (0,57 s contro 0,62 s) ed entrambi stanno ben sotto il secondo.
  • Fare il budget con prudenza. Non c'è ancora un prezzo Realtime al minuto; pianificare sulla scala degli abbonamenti (da 5 a 990 $/mese) e sul consumo di crediti documentato, poi misurare l'uso reale con un progetto pilota.
  • Migrare da OpenAI Realtime costa poco, a meno che lo stack non dipenda da WebRTC.

Il pubblico ha già classificato il fornitore: l'81% raccomanda ElevenLabs. Per confrontarlo con tutte le altre voci su prezzo e punteggio, consultare la classifica dei migliori generatori vocali IA, e leggere come funzionano davvero i crediti ElevenLabs prima di scegliere un piano.

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