Eleven Realtime登場:自然な音声エージェントをより簡単に構築
ElevenLabsは音声エージェント構築向けのEleven Realtimeを発表し、MiniとMax v1モデルがElevenAgentsで利用可能になった。
記事の内容
ElevenLabsは、音声エージェント向けの音声対音声モデル2種、Eleven Realtimeを発表した。自然な音声エージェントを作るには、通常、音声認識、発話検出、話者交替、LLM、音声合成を別々に選んで調整する必要がある。ElevenLabsは全体をエンドツーエンドで調整したとし、一部の判断はElevenAgentsで設定可能にしている。
両モデルは90以上の言語と1万7千を超える音声に対応する。v1 Miniは低コストで自然な会話向け、v1 Maxはカスタマーサポートやリード選別などの複雑なタスク向けである。Artificial Analysisによれば、v1 MaxはBig Bench Audioの98.8%に正解し、最初の音声まで0.57秒だった。ElevenAgentsではドロップダウンからモデルを選ぶ。OpenAIのRealtime仕様に沿ったRealtime APIでは、エンドポイントとモデル名の変更で切り替えられるが、WebSocketのみで、チャネルやナレッジベースなどのプラットフォーム機能は使えない。
この要約は、ElevenLabs の公式ページをもとに AnnuIA が自分の言葉で作成しました。内容および権利は発行元に帰属します。元の記事をご覧ください。