Speech-to-Speech heißt: Das Modell nimmt gesprochene Sprache entgegen und antwortet mit Sprache. ElevenLabs bietet zwei Varianten an. v1 Max ist laut Preisliste für komplexe, mehrstufige Aufgaben mit Werkzeugaufrufen gedacht, etwa Nachschlagen oder Buchen, v1 Mini für natürliche Gespräche in mehr als 90 Sprachen. Beide sind über eine zu OpenAIs Realtime-Schnittstelle kompatible API und über ElevenLabs’ Agenten-Plattform erreichbar.
Artificial Analysis führt beide Modelle bereits in seiner Bestenliste. Im Test Big Bench Audio, der Denkaufgaben als gesprochene Fragen stellt, liegt v1 Max mit 98,8 Prozent auf Rang drei von 43 Modellen, hinter StepAudio 3 Realtime von StepFun (99,7 Prozent) und Qwen Audio 3.0 Realtime Plus von Alibaba (99,2 Prozent). Schneller als v1 Max antworten nur Kraftons Raon SpeechChat und Deepslate Opal, die im Denk-Test auf 57,5 und 85 Prozent kommen.
v1 Mini fällt deutlich ab: 75,9 Prozent im Denk-Test bei 0,62 Sekunden. In der Sprachagenten-Arena von Artificial Analysis schließt Mini 60 Prozent der gestellten Aufgaben ab, Max 87 Prozent; in der Gesamtwertung der Arena steht Max auf Rang neun. Beide Varianten kosten 0,08 Dollar je Gesprächsminute plus Token: Mini 0,20 Dollar je Million Eingabe- und 6 Dollar je Million Ausgabe-Token, Max 1,80 und 9 Dollar.