ElevenLabs 想接管你的语音智能体，开发者要放弃什么

ElevenLabs 推出了 Eleven Realtime，提供 Mini 和 Max 两个托管语音智能体模型，把语音识别、推理、轮流对话和语音生成打包在一起，开发者不用自己搭这套流程。代价是底层模型和调度都由 ElevenLabs 管，开发者没法单独挑选、调整或替换这些部件，出问题时排查和优化也更难。不过提示词、音色、工具、知识库和打断设置仍可通过 ElevenAgents 配置；想要自己选底层模型则可以用 Custom 模式。外部测试显示，Max 在语音推理和工具调用上明显强于 Mini（如 Big Bench Audio 98.8% 对 75.9%），但 Mini 是默认选项、延迟略高一点（首段音频 620 毫秒对 570 毫秒），且不支持零保留模式和 HIPAA 配置。想从 OpenAI Realtime API 迁移的团队，用的是同一套 WebSocket 协议和 SDK，但 WebRTC 应用需要先换传输方式并自己处理音频采集与播放。两款模型都按 ElevenAgents 每分钟费率加 token 计费，生产环境表现和故障诊断信息是否够用，原文没有给出答案。