Руководитель контакт-центра службы доставки в Актобе пересылает подрядчику анонс: голосовой бот начинает говорить за 0,6 секунды, а переехать можно, просто сменив адрес сервера. Через два дня приходит ответ: «Это про браузер. У нас телефония».
Оба правы.
20 октября ElevenLabs выпустила Eleven Realtime – две модели для голосовых агентов, и за их секундами легко потерять то, что важно для бизнеса. Момент для сравнения удачный: OpenAI отключает gpt-realtime и gpt-4o-realtime 20 января 2027 года, так что часть голосовых ботов и без того ждёт миграция. Мы уже считали GPT-Live-1 и Gemini 3.8 Live, теперь добавим в эту картину третьего кандидата.
Главное за минуту
Цена
$0,08 за минуту плюс токены. По независимой оценке выходит 8–10 центов, логика уже внутри.
Быстро, но не лучше всех
По скорости первого звука Max опережает Grok, Gemini и GPT-Live-1, а по выполнению задач уступает всем трём.
Перенос
Протокол тот же, но описан только сценарий для браузера. Телефонному боту дорога лежит через платформу ElevenAgents.
Казахский
Распознавание заявлено, отдельного списка языков для Realtime нет. Проверять придётся на своих записях.
Голосовой бот на Mini или на Max
Mini – модель по умолчанию, вендор называет её самой быстрой и дешёвой. Max сначала рассуждает, её советуют для сложных инструкций и многошаговых вызовов инструментов. Разница на тестах большая, причём первый звук у Max даже чуть раньше. Вот таблица лаборатории Artificial Analysis на начало ноября, рядом с ближайшими соперниками:
| Модель | Первый звук | Рассуждение | Очерёдность реплик | Выполнение задач |
|---|---|---|---|---|
| Eleven Realtime v1 Max | 0,57 с | 99% | 94,1% | 87,1% |
| Eleven Realtime v1 Mini | 0,62 с | 76% | 95,8% | 60,3% |
| Grok Voice 3.0 | 0,81 с | 99% | 97% | 94,8% |
| Gemini 3.8 Live | 1,18 с | 92% | 96,1% | 93,2% |
| GPT-Live-1 (Sol, low) | 1,24 с | 89% | 97,3% | 90,9% |
Для бота, который ищет заказ в CRM и записывает клиента на доставку, важнее всего последняя колонка. Шестьдесят процентов у Mini – это не «чуть хуже». Мы бы не ставили её на сценарий с вызовами инструментов, зато для простых ответов по базе знаний она годится. Max на таких задачах заметно сильнее, но быстрый первый звук не отменяет того, что Grok, Gemini и GPT-Live-1 доводят дело до конца чаще.
Одна оговорка. Эти тесты не покажут, как модель справится с русской речью, смешением языков и шумом в трубке на трассе. Они помогают сузить выбор, а решение принимается на ваших звонках.
Сколько стоит минута разговора
На странице цен ElevenLabs у обеих моделей $0,08 за минуту. Сверху идут токены: у Mini $0,20 на входе и $6 на выходе за миллион, у Max $1,80 и $9. Сколько токенов уходит за минуту, вендор не пишет. Издание I-SCOOP вывело оценку из подсчётов самой ElevenLabs: около 8,4 цента для Mini и 10,2 цента для Max. Считаем на том же объёме 6000 минут в месяц, что и в прошлом сравнении, по курсу около 452 тенге:
| Вариант | В месяц | В тенге | Что не входит |
|---|---|---|---|
| Eleven Realtime v1 Mini | около $504 | около 228 000 | Телефония |
| Eleven Realtime v1 Max | около $612 | около 277 000 | Телефония |
| GPT-Live-1 | $300 | около 136 000 | Модель-логика, инструменты, телефония |
| Gemini 3.8 Live | около $84, нижняя оценка | около 38 000 | Рост контекста, текст внутри сессии, телефония |
Сравнивать эти строки в лоб нельзя: в них разная начинка. Зато видно порядок. Если для вас главное – бюджет на большом потоке, голосовой слой Gemini дешевле в разы, и это подтверждает Artificial Analysis: час входящего звука в тесте стоит $0,84 против $4,80 у Eleven Realtime. Если ценность в скорости реакции, разницу придётся оправдать конверсией.
Есть и мелочь, которая кусается в часы пик. Сверх лимита одновременных разговоров минута стоит вдвое дороже – $0,16. Для обзвона или сезонного наплыва заявок этот лимит стоит узнать заранее.
Совместимость с OpenAI: что переносится на самом деле
ElevenLabs действительно говорит на протоколе OpenAI Realtime: те же события клиента и сервера, тот же WebSocket. В документации показан официальный SDK OpenAI, направленный на адрес ElevenLabs. Но там же указаны и условия, которые из анонса не видны:
- Описан только браузерный сценарий. Документация для серверных SDK OpenAI, по словам вендора, пока не опубликована.
- Транспорт только WebSocket. Захват и воспроизведение звука PCM 24 кГц разработчик делает сам: автоматически SDK подключает звук лишь для WebRTC.
- Телефонии в этом API нет. Звонки, SIP-транк и канал WhatsApp живут на платформе ElevenAgents.
- Доступ раскатывается постепенно. Без него API вернёт ошибку «Realtime models are not available for this workspace».
Для телефонного бота это значит не смену адреса, а переезд на ElevenAgents: подключение SIP-транка и перенос сценария на новую платформу. Там тоже есть ограничения. В режиме Realtime нельзя использовать свою LLM и Amazon Bedrock, а передать разговор другому агенту можно только такому же агенту в этом режиме.
Что вы отдаёте вендору
В режиме Realtime ElevenLabs сама управляет языковой моделью, распознаванием и синтезом речи. За вами остаются промпт, голос, инструменты, база знаний и настройки очерёдности. Какие модели внутри, компания не раскрывает. Если у вас утверждённая модель по требованиям службы безопасности, на этом месте разговор заканчивается: остаётся обычный режим Custom. А всем остальным мы советуем регрессионный набор из статьи про оценку качества AI-бота, чтобы замечать изменения в поведении по цифрам, а не по жалобам клиентов.
Русский и казахский
На странице цен заявлено больше 90 языков, но отдельного списка для Realtime в документации нет. Косвенные данные такие. В распознавании Scribe v2 вендор относит русский к лучшей группе (ошибок до 5% слов), а казахский – к следующей (от 5% до 10%). Казахский указан и в синтезе Eleven v4, а в старых Multilingual v2 и Flash v2.5 его нет. Какой синтез стоит внутри Realtime, неизвестно.
Поэтому честный статус такой: русский – вероятно, сильная сторона, казахский – проверять. Особенно фразы, где клиент начинает на одном языке, а адрес называет на другом. Как собрать такую проверку, мы описывали в сравнении GPT-Live-1 и Gemini: тридцать-пятьдесят обезличенных записей дают больше, чем любая таблица.
Где окажутся разговоры клиентов
По умолчанию данные хранятся в США. Изолированные среды есть в ЕС, Индии и Сингапуре, это функция тарифа Enterprise, причём вендор оговаривает, что обработка может идти и за пределами выбранного региона. Казахстана в этом списке нет, так что звонок с именем и телефоном остаётся трансграничной передачей. Что из этого следует по согласию и хранению, разобрано в материале о новых правилах сбора персональных данных.
Отдельная развилка – режим нулевого хранения. Он доступен только для Max и только в США и ЕС, Mini под него не подходит. В этом режиме система не хранит расшифровки и метаданные с персональными данными, а поддержке сложнее разбирать сбои. Если расшифровка нужна вам в CRM, забирать её придётся своими средствами и уже у себя отвечать за её хранение.
Чего ждать не стоит
- Что бот на телефонии переедет за день. Совместимость протокола описана для браузера.
- Что $0,08 и есть цена звонка. Сверху токены, пики сверх лимита, телефония и курс тенге: счёт в долларах.
- Что таблица тестов предскажет качество на ваших звонках. Она не измеряет русскую и казахскую речь в ваших сценариях.
- Что нулевое хранение снимает вопрос о персональных данных. Оно уменьшает след у вендора, но юридическую оценку передачи данных за рубеж не заменяет.
Как сравнить за неделю
Наш взгляд простой: работающего бота только ради этой новости мы бы не трогали. А вот если у вас миграция с gpt-realtime всё равно запланирована или нужен второй поставщик на случай сбоя, Eleven Realtime стоит включить в проверку. Она укладывается в несколько шагов:
- Проверить, на какой модели работает бот сейчас и попадает ли она под отключение 20 января 2027 года.
- Убедиться, что в вашем рабочем пространстве ElevenLabs виден режим Realtime.
- Собрать тридцать-пятьдесят обезличенных записей и проверить имена, телефоны, адреса и казахскую речь.
- Прогнать двадцать типовых задач с инструментами на Max и на текущей модели и посчитать, сколько доведено до конца.
- Снять фактическую цену на ста минутах, вместе с токенами, и пересчитать на ваш месячный объём.
- Попросить у подрядчика схему: SIP-транк, перевод на живого оператора, запись и выгрузка расшифровок в CRM.
Если параллельно готовитесь к отключению старого синтеза речи OpenAI, совместите сроки: две миграции лучше проводить как одну.
Связанные материалы
Сравним голосовые модели на ваших звонках
Пришлите тридцать обезличенных записей и описание сценария – покажем, где ошибается ваша текущая модель, а где Eleven Realtime, и посчитаем цену типового разговора в тенге.