イレブンラボ、音声エージェント向け新モデルを提供開始

イレブンラボは、音声エージェント向けの音声対音声モデルを発表しました。
「Eleven Realtime v1 Mini」と「Eleven Realtime v1 Max」の2モデルを提供します。
日本語を含む90以上の言語に対応し、ElevenAgentsとRealtime APIから利用できます。

記事の概要

新モデルは、音声認識や話者交代、LLM、音声合成などを一体化したモデルです。
ユーザーは構成要素を個別に設定せず、モデルを選んで音声エージェントを構築できます。
v1 Miniは、速く自然な会話を必要とするAIアシスタントなどに適しています。
v1 Maxは、カスタマーサポートやリード選別など、複雑な業務に対応します。
両モデルは自然な話者交代や割り込み、ツール呼び出しに対応しています。
Artificial Analysisの評価では、v1 MaxがBig Bench Audioで98.8%の正答率を記録しました。
v1 Maxが質問を聞き終えてから話し始めるまでの時間は、0.57秒でした。
料金は、分単位の利用料に言語モデルのトークン料金を加えて算定されます。

記事のポイント

1. 2モデルを用途別に提供： v1 Miniは自然な会話向け、v1 Maxは検索や手順対応など複雑な業務向けです。
2. 開発環境を一体化： 音声認識から音声合成までを調整済みで、モデル選択だけで構築できます。
3. 既存APIと互換性： Realtime APIはOpenAIのRealtime APIと互換性があり、WebSocketで接続できます。

このニュースがもたらす影響

• 導入を検討する企業： 音声認識から合成までの個別設計を減らせるため、既存の顧客対応フローをMiniとMaxのどちらで置き換えられるか、料金やガードレールを含めて小さく検証する進め方が現実的になりそうです。
• 音声AI提供企業： 既存APIとの互換性と音声処理を一体で扱える点が導入時の比較軸になり、同業各社には応答速度だけでなく、複雑な業務への対応範囲や移行しやすさを示すことが求められそうです。
• 顧客対応部門： 定型案内や予約受付と、事情の聞き取りや判断が必要な相談を分ける設計が前提になりそうです。導入担当者は、AIの応答精度だけでなく、人へ渡す業務範囲と効果測定の方法を先に決める必要があります。

このニュースの背景

音声エージェントではこれまで、音声認識や話者交代、LLM、音声合成などを個別に選び、組み合わせて調整する必要がありました。
新モデルは、これらの構成要素を一体化し、用途に応じてモデルを選ぶ形で音声エージェントを構築できるようにしたものです。
カスタマーサポートやリード選別では、自然な会話に加えて、手順対応や情報検索、ツール呼び出しなど複数ステップの処理が必要になります。
日本では少子高齢化を背景に働き手不足が進み、顧客対応の現場でも限られた人員でサービス品質を保つことが課題になっています。

関連するニュース

• イレブンラボジャパンは、90以上の言語に対応する音声合成モデル「Eleven v4」と低遅延版を提供します。
• イレブンラボは、対話だけで企業向けAIエージェントを構築・改善できるElevenAgents Architectをアルファ版で提供開始しました。
• イレブンラボジャパンが、医療音声向けモデルをAPIで正式提供し、単語誤り率7.0%を示しました。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

イレブンラボ、音声エージェント向けの音声対音声モデル「Eleven Realtime」を発表

Ｅｌｅｖｅｎ　Ｌａｂｓ　Ｊａｐａｎ合同会社のプレスリリース（2026年10月21日 15時40分）イレブンラボ、音声エー…