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

_Un modello che fa tutto l'agente vocale, dall'ascolto alla risposta. I numeri di Artificial Analysis, i prezzi al minuto e a token, le due strade per usarlo e i limiti del rilascio._

Fonte: https://andreapirazzini.it/blog/eleven-realtime-elevenlabs-agenti-vocali-mini-max · 20 ottobre 2026

> Articolo redatto da un sistema di AI a partire da fonti ufficiali: https://elevenlabs.io/blog/realtime.

## In breve

- ElevenLabs ha presentato il 20 ottobre 2026 Eleven Realtime, modelli speech to speech in due misure: v1 Mini e v1 Max.
- Nella valutazione di Artificial Analysis v1 Max risponde correttamente al 98,8% delle domande di Big Bench Audio e parla dopo 0,57 secondi in media.
- Con gli strumenti v1 Max completa l'87,1% dei compiti, contro il 60,3% di v1 Mini.
- Il prezzo è di 0,08 $ al minuto più i token; sulle stime del listino il costo pratico è circa 0,084 $ al minuto con Mini e 0,102 $ con Max.
- Il rilascio è graduale e in modalità Realtime non si può usare un modello linguistico proprio.

## 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](https://andreapirazzini.it/blog/voxtral-3-mistral-trascrizione-voce-agenti-vocali). Per il contesto su ElevenLabs, leggete anche come [ElevenAgents riconosce le voci AI nelle chiamate](https://andreapirazzini.it/blog/elevenagents-riconosce-le-voci-ai-nelle-chiamate-regole-standard-e-cosa).

- **98,8%** Risposte corrette a voce di v1 Max in Big Bench Audio
- **0,57 s** Tempo medio al primo audio di v1 Max
- **90+** Lingue supportate, italiano compreso
- **0,08 $** Al minuto di audio collegato, più i token

_Fonte: ElevenLabs, valutazione indipendente di Artificial Analysis, ottobre 2026_

## Due modelli: Mini e Max

|  | Eleven Realtime v1 Mini | Eleven Realtime v1 Max |
| --- | --- | --- |
| Pensato per | Conversazioni naturali a basso costo | Compiti complessi in più passaggi |
| Esempi d'uso | Assistenti, tutor, personaggi interattivi, interviste | Assistenza clienti, qualificazione dei contatti, flussi di lavoro |
| Ragionamento | Risponde subito | Ragiona prima di rispondere, usa gli strumenti |
| ID nell'API | eleven_realtime_v1_mini | eleven_realtime_v1_max |
| Residenza dei dati in UE | Disponibile | Disponibile |
| Zero Retention e HIPAA | Non disponibile | Disponibile negli Stati Uniti e in UE |

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.

![L'immagine ufficiale di Eleven Realtime: due sfere metalliche, una piccola con la scritta Mini e una grande con la scritta Max, sotto il logo ElevenLabs e la scritta Available in ElevenAgents.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/cc11bda9-c35e-4014-9ed9-9d8e381d6974/6f874535-1196-4c87-bbb1-3e6e493ea41e.webp)
*Le due misure di Eleven Realtime, disponibili in ElevenAgents. Fonte: 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.

[Video: Il video ufficiale di lancio di Eleven Realtime, con le demo di v1 Mini e v1 Max. Fonte: ElevenLabs.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/cc11bda9-c35e-4014-9ed9-9d8e381d6974/88f43729-796d-436f-9565-bf56781c6caa.mp4)

## 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.

| Test | v1 Mini | v1 Max |
| --- | --- | --- |
| Big Bench Audio (ragionamento a voce) | 75,9% | **98,8%** |
| Tempo medio al primo audio | 0,62 s | **0,57 s** |
| Full-Duplex-Bench (pause, turni, interruzioni) | **95,8%** | 94,1% |
| Speech Agent Arena (preferenza, Elo) | 988 | **998** |
| Compiti con strumenti riusciti | 60,3% | **87,1%** |

**Eleven Realtime v1 Mini e v1 Max** — Risultati nei test valutati da Artificial Analysis, in percentuale, più alto è meglio

| Voce | v1 Mini | v1 Max |
| --- | --- | --- |
| Big Bench Audio | 75,9% | 98,8% |
| Full-Duplex-Bench | 95,8% | 94,1% |
| Compiti con strumenti | 60,3% | 87,1% |

_Fonte: Artificial Analysis per ElevenLabs, ottobre 2026_

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.

![Il grafico ufficiale «Time to first audio»: barre orizzontali con il tempo medio al primo audio dei modelli confrontati, con Eleven Realtime v1 Max a 570 ms e v1 Mini a 620 ms nelle prime posizioni.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/cc11bda9-c35e-4014-9ed9-9d8e381d6974/518a8d4f-fa8d-4540-bd50-247b0493fe0a.webp)
*Il tempo medio al primo audio misurato da Artificial Analysis su Big Bench Audio. Fonte: ElevenLabs.*

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.

![Il grafico ufficiale «Accuracy and speed»: ogni punto è un modello speech to speech, con la precisione in Big Bench Audio in verticale e il tempo al primo audio in orizzontale; Eleven Realtime v1 Max è in alto a sinistra.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/cc11bda9-c35e-4014-9ed9-9d8e381d6974/0c15db70-02b1-45e8-9f40-ab6b853d1f82.webp)
*Precisione e velocità dei modelli della classifica Speech to Speech di Artificial Analysis con primo audio sotto i 3 secondi. Fonte: ElevenLabs.*

## Prezzi

| Voce di costo | v1 Mini | v1 Max |
| --- | --- | --- |
| Audio collegato | 0,08 $ al minuto | 0,08 $ al minuto |
| Oltre il limite di chiamate contemporanee | 0,16 $ al minuto | 0,16 $ al minuto |
| Token in ingresso, per milione | 0,20 $ | 1,80 $ |
| Token in uscita, per milione | 6,00 $ | 9,00 $ |

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.

| Piano | Prezzo al mese | Minuti stimati con Mini | Minuti stimati con Max |
| --- | --- | --- | --- |
| Free | 0 $ | circa 14 | circa 12 |
| Starter | 6 $ | circa 71 | circa 59 |
| Creator | 22 $ | circa 262 | circa 216 |
| Pro | 99 $ | circa 1.179 | circa 971 |
| Scale | 299 $ | circa 3.562 | circa 2.934 |
| Business | 990 $ | circa 11.794 | circa 9.714 |

## 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.

[Animazione: In ElevenAgents il modello Realtime si sceglie dal menu dell'agente. Fonte: ElevenLabs.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/cc11bda9-c35e-4014-9ed9-9d8e381d6974/12c67728-8d24-4e3e-9af4-db6e47739135.mp4)

## 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](https://andreapirazzini.it/blog/agenti-vocali-ai-centralino-confronto) e dalla pagina sui [centralini AI](https://andreapirazzini.it/servizi/centralini-ai).

> **Attenzione:** Cosa non sapete ancora. Il rilascio è graduale: se nel vostro spazio di lavoro non compare «Voice mode», non è ancora attivo, e non c'è una data per tutti. In modalità Realtime non si può usare un modello linguistico proprio né Amazon Bedrock, i flussi di lavoro non cambiano le impostazioni gestite, Max richiede un limite di almeno 1.024 token e i trasferimenti avvengono solo tra agenti Realtime. ElevenLabs non pubblica risultati per singola lingua, quindi la qualità in italiano va provata. Il costo per minuto reale dipende da durata e strumenti.

[Prenota una call con Andrea](https://andreapirazzini.it/prenota)

## Domande frequenti

**Che differenza c'è tra Eleven Realtime v1 Mini e v1 Max?**

Mini è pensato per conversazioni naturali a basso costo, come assistenti e tutor, ed è il modello predefinito. Max ragiona prima di rispondere ed è pensato per assistenza clienti e flussi in più passaggi: con gli strumenti completa l'87,1% dei compiti contro il 60,3% di Mini.

**Eleven Realtime parla italiano?**

Sì. I modelli supportano oltre 90 lingue, la stessa lista di Eleven v4, che comprende l'italiano. ElevenLabs non pubblica però risultati per singola lingua.

**Quanto costa?**

0,08 $ al minuto di audio collegato, più i token: Mini 0,20 $ per milione in ingresso e 6 $ in uscita, Max 1,80 $ e 9 $. Sulle stime del listino il costo pratico è circa 0,084 $ al minuto con Mini e 0,102 $ con Max, tasse escluse.

**È un modello unico o una catena di modelli?**

Si usa come un modello unico, ma la documentazione di ElevenLabs spiega che dentro v1 Mini e v1 Max c'è un'architettura a cascata ottimizzata da un capo all'altro, con modelli interni non pubblici.

**Funziona con il codice scritto per la Realtime API di OpenAI?**

Sì, la Realtime API di ElevenLabs è compatibile: basta cambiare endpoint e nome del modello. La connessione è solo via WebSocket ed è separata da ElevenAgents.

**I dati possono restare in Europa?**

La residenza dei dati in UE è disponibile sia per Mini sia per Max. La modalità Zero Retention e la conformità HIPAA sono disponibili solo con Max, negli Stati Uniti e in UE.