Eleven Realtime 语音智能体：Mini、Max怎么选，切换前看哪些限制

ElevenLabs把语音对话、轮次判断和语音输出打包进了Eleven Realtime。它有Mini和Max两个版本：简单的语音助手可以先看Mini；需要遵循复杂指令或连续调用工具时，再评估Max。

这个系列在10月20日的产品说明中公开，接入后不用分别为语音识别、语言模型和语音合成挑选配置；系统提示词、声音、工具和知识库仍可以配置。它面向语音对话，不是把文字输入换个名字就能直接替代纯文本模型。两个版本均支持90多种语言，但语言列表不等于每种口音、嘈杂环境和专业术语都能得到相同效果。

现有语音智能体可以在Agent设置里选择Realtime语音模式，默认是Mini，也可以切换到Max。切换前要留意：如果依赖自选语言模型或特定语音合成模型、工作流里覆盖了相关设置，或者需要与Custom模式的智能体互相转接，官方建议继续使用Custom模式。Max目前也不适用于印度和新加坡数据驻留环境，且需要至少1024的token上限或不设上限。

接入还在逐步开放。如果Agent设置中看不到Realtime选项，可能是当前工作区尚未开放；API在这种情况下也会拒绝对应模型参数。已有兼容实时语音接口的客户端可以参考兼容接入方式，但仍要调整连接目标和会话配置，不能假定所有事件和原有功能都完全一致。

选型时可以拿同一组真实授权的测试任务比较：例如安静环境下的简单问答、说到一半打断、以及需要查询再回答的多步任务。分别记录是否听错、能否接住打断、工具调用是否完成、响应等待和费用；复杂流程还要检查工具失败时的处理。厂商公布的基准结果只能说明特定评测条件下的表现，不能直接替代自己场景里的验证。以上是根据公开说明整理，未进行产品实测。