ElevenLabs gecikmeyi 0,5 saniyeye indirdi

ElevenLabs, sesi metne dönüştürme adımını atlayıp doğrudan konuşmadan konuşmaya çalışan yeni modeli Eleven Realtime'ı duyurdu. Model, kullanıcı konuşmayı bitirdikten sonra 0,5 saniye içinde doğal bir ses tonuyla yanıt vermeye başlıyor.

Şirketin paylaştığı verilere göre v1 Max sürümü, Big Bench Audio kıyaslama testinde %98,8 başarı oranına ulaştı. Model mimarisi; konuşma sırasındaki tonlamaları, duraklamaları ve araya girmeleri algılayarak insan konuşma ritmini neredeyse birebir taklit edebiliyor.

Geleneksel sesli asistanlar sesi önce yazıya döküyor, cevabı üretip tekrar sese çeviriyordu; bu da konuşmada rahatsız edici duraklamalara yol açıyordu. Gecikmenin 0,5 saniyeye inmesi, çağrı merkezleri ve sesli asistanlarda yapaylık hissini büyük ölçüde ortadan kaldırıyor.

Eleven Realtime, OpenAI uyumlu gerçek zamanlı API desteğiyle sunuluyor. Bu sayede mevcut ses altyapılarını kullanan yazılımcılar kodlarını kolayca yeni modele geçirebiliyor. Geliştiriciler hem v1 Mini hem de v1 Max sürümlerini sistemlerine hemen entegre edebilir.