Elevenlabs hat zwei Eleven Realtime-Modelle zur Sprach-zu-Sprach-Verarbeitung für Gespräche mit KI in Echtzeit vorgestellt, berichtet The Decoder. Die Variante v1 Max soll laut der Veröffentlichung in Big Bench Audio 98,8% erreicht haben und eine Antwortzeit von 0,57 Sekunden zeigen.
Das Unternehmen behauptet außerdem, dass keines der Modelle im Ranking Artificial Analysis gleichzeitig schneller und genauer ist. Diese Behauptung wird in dem verfügbaren Material als Bezugnahme auf Elevenlabs wiedergegeben, nicht als unabhängiges Prüfergebnis.
Für Benutzer sprachbasierter KI-Systeme sind Latenz und Qualität miteinander verbundene Einschränkungen: Schnelle Antworten verringern Pausen im Dialog, belegen jedoch nicht notwendigerweise eine größere praktische Nützlichkeit. Vollständige Testbedingungen, Auflistung der zweiten Modell und unabhängige Bestätigung der Ergebnisse im ursprünglichen Paket sind nicht angegeben.
redaktioneller Kommentar
Warum es wichtig ist
Wenn die angegebenen Kennzahlen durch unabhängige Tests bestätigt werden, wird die Hauptfolge eine verstärkte Konkurrenz um schnelle Sprachschnittstellen sein. Als nächstes beobachtbares Signal werden die Veröffentlichung der Methodik und die Ergebnisse von externen Vergleichen sein. Wesentliche Unsicherheit besteht darin, dass derzeit nur eine metadatenbasierte Wiedergabe The Decoder verfügbar ist.