Eleven Realtime Faoliyat yuritmoqda

Eleven Realtime — ElevenLabs tomonidan taqdim etilgan yaxlit ovozli agent modellari seriyasi bo‘lib, v1 Mini va v1 Max versiyalarini o‘z ichiga oladi. Eleven Realtime nutqni aniqlash, til modeli xulosasi, vositalardan foydalanish va ovoz sintezini yagona modelga birlashtiradi. U an’anaviy ko‘p komponentli yechimlar zanjirining o‘rnini bosadi, 90 dan ortiq til va 17 000 dan ortiq ovozni qo‘llab-quvvatlaydi. Mini arzon va tabiiy suhbatlarga, Max esa murakkab vazifalarga mo‘ljallangan. Ovozli xulosa aniqligi 98.8% ga yetadi, birinchi ovoz kechikishi atigi 0.57 soniyani tashkil etadi. API OpenAI Realtime spetsifikatsiyasiga mos kelgani uchun dasturchilar osongina ko‘chishi mumkin.

Yaxlit ovozli muloqot: nutqni aniqlash, LLM xulosasi, vositalardan foydalanish va ovoz sintezini yagona modelga birlashtiradi, alohida ASR, VAD, LLM va TTS texnologiyalari stekini yaratishni talab qilmaydi.
Ko‘p tilli qo‘llab-quvvatlash: 90 dan ortiq tilni qo‘llab-quvvatlaydi va global foydalanuvchilarga mo‘ljallangan ovozli ilovalar uchun mos.
Keng ovoz tanlovi: ElevenLabs ovoz kutubxonasidagi 17 000 dan ortiq ovoz bilan mos keladi, ovozlarni erkin almashtirish mumkin.
Ikki versiyadan moslashuvchan tanlov: v1 Mini arzon va tabiiy suhbatlar uchun, v1 Max esa murakkab vazifalar uchun mos.
Past kechikishli javob: o‘rtacha birinchi ovoz kechikishi atigi 0.57–0.62 soniya. Max 98.8% ovozli xulosa aniqligini saqlagan holda tezroq ishlaydi.
Tabiiy suhbat tajribasi: ovozli pauzalar, navbat bilan gapirish va suhbatni bo‘lish kabi dinamikalarni optimallashtiradi. Full-Duplex-Bench natijasi 94% dan yuqori.
Vositalardan foydalanish: v1 Max’da vositalardan foydalanish vazifalarini bajarish darajasi 87.1% ga yetadi va tashqi tizimlarga ulanib, ko‘p bosqichli amallarni bajarishi mumkin.
OpenAI API bilan moslik: OpenAI Realtime API spetsifikatsiyasiga amal qiladi. Mavjud integratsiyaga ega dasturchilar endpoint va model nomini almashtirish orqali tezda ko‘chishi mumkin.

Speech-to-Speech uchdan-uchgacha arxitekturasi: Eleven Realtime nutqdan nutqqa o‘tuvchi uchdan-uchgacha modeldan foydalanadi. Foydalanuvchi audiosi to‘g‘ridan-to‘g‘ri modelga kiradi, model esa ichki ravishda tushunish, xulosa chiqarish va qaror qabul qilishni bajarib, ovozli javobni bevosita chiqaradi. Oraliqda matnga aniq transkripsiya qilish bosqichi bo‘lmagani sababli komponentlar o‘rtasidagi uzatish kechikishi va axborot yo‘qotilishi kamayadi.
Yagona model ichida xulosa va vositalardan foydalanish: model til modeli vazifasini o‘zi bajaradi: foydalanuvchi maqsadini tushunadi, ko‘p bosqichli suhbat bo‘yicha xulosa chiqaradi, tashqi vositani qachon chaqirishni aniqlaydi va vosita natijasiga ko‘ra ovozli javob yaratishni davom ettiradi. v1 Max aynan shu zanjirni kuchaytirish uchun ishlab chiqilgan bo‘lib, vositalardan foydalanish vazifalarini bajarish darajasi 87.1% ga yetadi, bu Mini’ning 60.3% ko‘rsatkichidan ancha yuqori.
Ichki suhbat dinamikasi mexanizmi: model ovozli muloqotdagi “mikroqarorlar”ni tabiiy ravishda qayta ishlaydi: foydalanuvchi pauza qilgach qancha vaqtdan keyin gapirish kerakligini, foydalanuvchi so‘zini bo‘lganda qanday muloyim to‘xtab, suhbatni davom ettirishni hamda qachon “hm” yoki “ha” kabi javob signallarini berishni aniqlaydi. Bu Full-Duplex-Bench kabi mezonlar orqali tasdiqlangan bo‘lib, suhbat sur’atini insonnikiga yaqinlashtiradi.
Past kechikish uchun oqimli xulosa: model oqimli usulda ishlaydi, ya’ni tushunish va yaratish jarayonlarini bir vaqtda bajaradi. To‘liq kirish yoki butun chiqish rejasini kutish shart emas, shu sababli birinchi ovoz kechikishi 570–620 millisekund oralig‘ida saqlanadi. Bu Max nima uchun yuqoriroq aniqlikka qaramay tezroq javob berishini tushuntiradi.
WebSocket orqali Realtime API imkoniyatlarini taqdim etish: tashqi foydalanish uchun WebSocket uzoq muddatli ulanishi orqali real vaqtda ikki tomonlama audio oqimi taqdim etiladi. Protokol OpenAI Realtime API spetsifikatsiyasiga mos, shuning uchun dasturchilar OpenAI SDK’dan foydalanishda davom etishi mumkin. Yuqori darajadagi ElevenAgents platformasi telefon, Web va WhatsApp kabi kanallarni, shuningdek bilim bazasi, himoya qoidalari va monitoring kabi korporativ funksiyalarni qo‘shimcha ravishda birlashtiradi.

Birinchi usul: ElevenAgents orqali (tavsiya etiladi, kod talab qilinmaydi) Ro‘yxatdan o‘tish va kirish: ElevenLabs rasmiy saytida hisob yarating va tizimga kiring.
Agent yaratish: ElevenAgents bo‘limiga kiring, yangi Agent yarating yoki mavjud Agentni oching.
Modelni tanlash: ochiladigan menyudan Realtime v1 Mini yoki v1 Max’ni tanlang.
Imkoniyatlarni sozlash: zaruratga ko‘ra bilim bazasi, ish jarayonlari va himoya qoidalarini sozlang.
Ishga tushirish: telefon, Web yoki WhatsApp kabi kanallarni ulang. Platformadagi test va monitoring vositalari yordamida xizmatni ishga tushiring.
Ikkinchi usul: Realtime API orqali (dasturchilar uchun) Kalitni tayyorlash: autentifikatsiya uchun ElevenLabs boshqaruv panelidan API Key oling.
Mavjud kodni qayta ishlatish: OpenAI Realtime API allaqachon ulangan bo‘lsa, WebSocket manzilini wss://api.elevenlabs.io/v1/convai/realtime ga o‘zgartiring va model nomini almashtiring.
Model va ovozni belgilash: masalan, eleven_realtime_v1_mini ni o‘rnating va brian kabi ovozni tanlang.
WebSocket ulanishini yaratish: OpenAI SDK’ning RealtimeAgent + WebSocket transport vositasi orqali ikki tomonlama audio oqimini yarating.
Suhbatni boshlash: ulanish muvaffaqiyatli o‘rnatilgach, real vaqtda ovozli muloqotni boshlash mumkin. Kanal, bilim bazasi va boshqa platforma imkoniyatlari kerak bo‘lsa, ElevenAgents’dan foydalanish lozim.

Yaxlit arxitektura: nutqni aniqlash, xulosa chiqarish, vositalardan foydalanish va sintezni yagona modelga birlashtirib, bir nechta komponentlarni tanlash va sozlash xarajatlarini kamaytiradi.
Tezlik va aniqlik o‘rtasidagi muvozanatni yaxshilaydi: v1 Max 98.8% ovozli xulosa aniqligi bilan 0.57 soniyalik birinchi ovoz kechikishini ta’minlaydi, ya’ni yuqori aniqlik va past kechikishni birlashtiradi.
Tabiiy suhbat tajribasi: Full-Duplex-Bench natijasi 94% dan yuqori. Pauzadan keyin javob berish, bo‘lingan suhbatni davom ettirish va navbat bilan gapirish kabi tafsilotlar inson darajasiga yaqin.
Murakkab vazifalarni bajarish kuchli: v1 Max’da vositalardan foydalanish vazifalarini bajarish darajasi 87.1% ga yetadi. U ko‘p bosqichli ish jarayonlarini bajarishi va korporativ muhitga moslashishi mumkin.
Tillar va ovozlar qamrovi keng: 90 dan ortiq til va 17 000 dan ortiq ovozni qo‘llab-quvvatlaydi, bitta tizim global foydalanuvchilarga xizmat ko‘rsatadi.
Ko‘chish oson: API OpenAI Realtime spetsifikatsiyasiga mos, mavjud integratsiyaga ega dasturchilar atigi ikki qator kodni o‘zgartirib, tizimni almashtirishi mumkin.
Ikki versiyadan moslashuvchan tanlov: Mini arzon narxda kundalik suhbatlarning aksariyatini qamrab oladi, Max esa murakkab xulosaga e’tibor qaratadi. Xarajatlarni nazorat qilish uchun ehtiyojga qarab tanlash mumkin.
Ishlab chiqarish uchun tayyor: ElevenAgents orqali kanal ulash, bilim bazasi, himoya qoidalari, test va monitoring kabi to‘liq joriy etish imkoniyatlarini darhol olish mumkin.

Loyiha rasmiy sayti: https://elevenlabs.io/blog/realtime

AI ovozli yordamchisi: kundalik suhbatlarga mo‘ljallangan shaxsiy yordamchi buyruqlarni tushunadi va ularga tabiiy ovozda darhol javob beradi. Mini versiyasi bunday vazifalarni arzon narxda bajaradi.
Onlayn ta’lim va til o‘rganish: masalan, bolalar uchun ingliz tili ilovasi. Qahramon o‘quvchining og‘zaki nutqini tushunishi, xatolarni tezda tuzatishi va tabiiy ovozda muloqot qilishi kerak. Bunday holatda ovozning tabiiyligi va javob tezligiga talab yuqori.
Korporativ telefon mijozlarga xizmati: “buyurtmani tekshirish” yoki “manzilni o‘zgartirish” kabi biznes tizimiga murojaat qilishni talab qiladigan ko‘p bosqichli so‘rovlarni qayta ishlaydi. Max versiyasining vositalardan foydalanishdagi yuqori bajarish darajasi bunday ssenariyga mos.
Sotuv potensial mijozlarini saralash: potensial mijozlarga avtomatik qo‘ng‘iroq qiladi yoki ularning qo‘ng‘iroqlariga javob beradi, suhbat orqali qiziqishni aniqlaydi, ma’lumot to‘playdi va qayd etadi. Max jarayon bo‘yicha xulosa chiqarib, vazifalarni bajarishi mumkin.
Virtual qahramonlar va o‘yin NPC’lari: interaktiv qahramonlarga real vaqtda ovozli muloqot imkoniyatini beradi. 90 dan ortiq til va ko‘plab ovozlarni qo‘llab-quvvatlagani sababli global kontent va immersiv tajriba uchun mos.