Eleven Realtime di ElevenLabs: agenti vocali Mini e Max che rispondono in 0,6 secondi

Perché se ne parla#

Il 20 ottobre 2026 ElevenLabs ha presentato Eleven Realtime, che l'azienda descrive come una nuova classe di modelli speech to speech: voce in ingresso, voce in uscita. Ogni modello è un agente vocale completo, con riconoscimento del parlato, rilevamento della voce e dei turni, modello linguistico e sintesi vocale scelti e regolati da ElevenLabs perché lavorino come un solo sistema.

Il problema che vuole risolvere è noto a chiunque abbia provato a costruire un centralino con AI: oggi bisogna scegliere e far funzionare insieme cinque componenti diversi, e decidere a mano quanto aspettare dopo una pausa o come comportarsi quando chi chiama interrompe. Con Eleven Realtime queste scelte le fa ElevenLabs.

Lo stesso giorno anche Mistral ha presentato il suo kit per agenti vocali: trovate il confronto nell'articolo su Voxtral 3. Per il contesto su ElevenLabs, leggete anche come ElevenAgents riconosce le voci AI nelle chiamate.

Due modelli: Mini e Max#

Secondo ElevenLabs Mini basta per la maggior parte dei casi ed è il modello predefinito. Max serve quando l'agente deve seguire una procedura e ragionare tra un passaggio e l'altro. Entrambi supportano oltre 90 lingue, compreso l'italiano, e possono usare tutte le oltre 17.000 voci della libreria ElevenLabs.

Il video di lancio#

Nel video ufficiale si vedono due demo. Mini conduce un'intervista a un'utente sul suo primo mese con un'app e rilancia le domande in base alle risposte. Max gestisce l'assistenza di un operatore telefonico inventato per la demo: il cliente dice che internet non funziona, l'agente chiama lo strumento che controlla la rete, trova un guasto in zona e comunica che il servizio rientra entro un'ora.

In parole semplici: catena o modello unico?#

Un agente vocale classico è una catena: un modello trascrive, un altro ragiona, un terzo parla. Ogni anello aggiunge ritardo e va configurato. Eleven Realtime si presenta come un unico modello, ma la documentazione è chiara: dentro, v1 Mini e v1 Max usano ancora un'architettura a cascata, ottimizzata da un capo all'altro, e i modelli interni non sono pubblici.

La differenza per voi non sta nell'architettura ma in chi la regola. Pause, turni, interruzioni e scelta dei componenti sono gestiti da ElevenLabs; voi scegliete il modello, la voce, il prompt e gli strumenti.

Come vanno: i numeri#

ElevenLabs pubblica una valutazione indipendente di Artificial Analysis su tre test pubblici: Big Bench Audio per il ragionamento a voce (1.000 domande), Full-Duplex-Bench per pause, turni e interruzioni, e la Speech Agent Arena, dove persone reali confrontano due modelli in conversazioni alla cieca.

Il dato che separa davvero i due modelli è l'ultimo: con gli strumenti Max porta a termine l'87,1% dei compiti, Mini il 60,3%. Per questo ElevenLabs consiglia Max quando l'agente deve chiamare molti strumenti, per esempio leggere un gestionale o fissare un appuntamento.

Di solito precisione e velocità sono un compromesso: i modelli che rispondono meglio sono i più lenti. Nel grafico di Artificial Analysis che mette insieme le due misure, tra i modelli che rispondono in meno di 3 secondi, v1 Max sta sulla frontiera, cioè nessun altro modello è insieme più preciso e più veloce.

Prezzi#

Prezzi in dollari dal listino API di ElevenLabs, tasse escluse. Un agente Realtime paga la tariffa al minuto di ElevenAgents più i token. Quanti token servono in un minuto dipende dalla conversazione, quindi il costo reale non si legge direttamente dal listino.

Il listino però indica quanti minuti sono compresi in ogni piano, «in base a un uso tipico dei token». Dividendo il prezzo del piano per quei minuti si ottiene una stima del costo pratico: circa 0,084 $ al minuto con Mini (piano Pro: 99 $ per circa 1.179 minuti) e circa 0,102 $ al minuto con Max (99 $ per circa 971 minuti). È un calcolo fatto sulle cifre del listino, non un prezzo dichiarato da ElevenLabs.

Come si usa#

Ci sono due strade:

1. Dentro ElevenAgents (la strada consigliata da ElevenLabs). Si crea o si apre un agente, si sceglie «Voice mode: Realtime» e poi il modello. Si hanno subito i canali telefono, web, WhatsApp e contact center, i flussi di lavoro, la base di conoscenza, i guardrail, i test e il monitoraggio.

2. Con la Realtime API, compatibile con quella di OpenAI. Chi ha già un'integrazione con la Realtime API di OpenAI cambia l'indirizzo, wss://api.elevenlabs.io/v1/convai/realtime, e il nome del modello. La connessione è solo via WebSocket, non WebRTC, ed è separata da ElevenAgents: canali e base di conoscenza vanno costruiti a parte.

Cosa cambia in pratica#

Un esempio aiuta a dare le proporzioni. Una piccola azienda con 15 chiamate al giorno da 3 minuti per 20 giorni arriva a 900 minuti al mese. Con Max e il costo pratico stimato di 0,102 $ al minuto, sono circa 92 $ al mese, esclusi numero di telefono, collegamento SIP o Twilio e tasse. È un esempio costruito sulle stime del listino, non un caso reale.

Tre cose da decidere prima di partire:

• Mini o Max. Se l'agente deve solo conversare e raccogliere informazioni, Mini costa meno sui token. Se deve leggere sistemi e prenotare, i numeri sugli strumenti spingono verso Max.

• Dove stanno i dati. La residenza dei dati in UE è disponibile per entrambi; la modalità Zero Retention e la conformità HIPAA solo per Max.

• Trasparenza. Dal 2 agosto 2026 l'articolo 50 dell'AI Act chiede che chi interagisce con un sistema di AI ne sia informato. Non è una consulenza legale: per i casi concreti serve un professionista.

Se state valutando un agente al telefono, partite dal confronto Agenti vocali AI per il centralino e dalla pagina sui centralini AI.

Domande frequenti#