Innhold Vis
Hvis bedriften din må håndtere samtaler på flere språk, kan Eleven Realtime Translation flytte sanntidsoversettelsen inn i selve telefonien eller tjenesten. API-et tar imot tale, finner kildespråket og sender oversatt lyd tilbake mens samtalen pågår. Det gjør løsningen aktuell for kundeservice, telefoni og arrangementer der venting på en egen tolk ikke alltid er praktisk.
Dette er ikke en ny oversetterapp du kan laste ned og prøve i lunsjen. ElevenLabs lanserte tjenesten 21. oktober 2026 som en alfa for enterprise-kunder i ElevenAPI. Tilgangen går gjennom salgsavdelingen, og selskapet har foreløpig ikke offentliggjort prisen.
Jeg liker at ElevenLabs samler lyd inn, oversettelse, teksting og lyd ut i én strøm. Det er nyttig for utviklere som ellers må lime sammen flere tjenester. Men «mer enn 90 språk» er en kapasitetsbeskrivelse, ikke dokumentasjon på at norske dialekter, faguttrykk og vanskelige telefonsamtaler faktisk holder mål. Det vet vi ikke ennå.
Hva er Eleven Realtime Translation?
Eleven Realtime Translation er en WebSocket-API som oversetter tale til tale mens personen fortsatt snakker. ElevenLabs beskriver lanseringen som en enterprise-alfa for telefonselskaper, kontaktsentre og direktesendte arrangementer. Deutsche Telekom bygger allerede funksjonen inn i Magenta AI Call Assistant.
Hver deltaker kan snakke sitt eget språk og høre den andre på sitt. Løsningen kan automatisk finne kildespråket, mens utvikleren velger målspråk og hvilken stemme som skal brukes på utgående lyd. Eleven v4 Turbo er standardmodellen for opplesingen, men API-et kan også bruke Eleven v3 eller Eleven Flash v2.5.
Det er viktig å forstå hva «samme stemme» betyr her. Tjenesten flytter ikke automatisk originalstemmen til et nytt språk. Du velger en stemme fra biblioteket eller oppgir en Instant eller Professional Voice Clone. ElevenLabs sier at biblioteket har over 17 500 stemmer, og den valgte stemmen brukes gjennom økten.
Hvordan fungerer API-et i praksis?
Integrasjonen går over én langvarig WebSocket-forbindelse på endepunktet wss://api.elevenlabs.io/v1/translation/realtime. Ifølge API-dokumentasjonen for Realtime Translation må klienten minst sende inn target_language og voice_id. Kildespråket kan oppgis, men kan også oppdages automatisk.
Deretter strømmer klienten lydklumper inn som Base64-data. Tjenesten svarer med foreløpig transkripsjon, endelig transkripsjon, oversatt tekst og ferdig lyd. Det gir utvikleren mer enn bare lyden: Den samme økten kan også drive direkteteksting, samtalevisning og logging dersom bruksområdet og personvernkravene tillater det.
To personer i en toveis samtale krever at dette bygges inn i produktet eller telefonilaget. ElevenLabs forklarer at hver deltaker for eksempel kan kobles til sin egen instans av endepunktet. API-et er altså byggesteinen, ikke en komplett sentralbordløsning som ordner ruting, brukergrensesnitt og køhåndtering av seg selv.
Du kan velge fart eller mer oversettelseskontekst
Taleoversettelse i sanntid har et litt brutalt regnestykke: Systemet må vente lenge nok til å forstå setningen, men ikke så lenge at samtalen føles som en dårlig satellittforbindelse. ElevenLabs lar utvikleren styre dette med parameteren eagerness, som har verdiene low, medium og high.
High starter oversettelsen tidligst og prioriterer lav forsinkelse. Low venter på mer av setningen og skal gi bedre oversettelseskvalitet på bekostning av tempoet. Medium er standard. For en enkel timebestilling kan rask respons være viktigst, mens en forsikringssak eller en detaljert fakturaklage fort blir dyr dersom systemet gjetter før setningen er ferdig.
Det fornuftige her er ikke at ElevenLabs påstår å ha fjernet avveiningen. Det har selskapet ikke gjort. Det nyttige er at avveiningen er synlig i API-et og kan settes per økt. En utvikler kan dermed velge en annen profil for raske servicereplikker enn for samtaler der hvert forbehold må bli riktig.
Hva kan bedrifter faktisk bruke dette til?
Kontaktsentre er det mest opplagte bruksområdet. Én medarbeider kan i teorien snakke med kunder på flere språk uten at hver samtale må settes over til en språkspesialist. Telefonselskaper kan legge oversettelsen i selve samtalelaget, mens arrangører kan sende oversatt lyd og teksting til deltakernes telefoner eller hodetelefoner.
For mindre bedrifter er den mest interessante muligheten neppe å bygge et globalt telesystem fra bunnen. Det kan være å koble taleoversettelse til et eksisterende sentralbord, en supportplattform eller en bransjeløsning gjennom en leverandør som håndterer resten. Her bør API-tilgangen gjøre markedet mer fleksibelt: Funksjonen kan bygges inn der kunden allerede arbeider, i stedet for å tvinge alle over i én lukket app.
Det skiller også dette fra forbrukerfunksjoner som Google Live Translation i Google Translate-appen. Googles løsning er et ferdig produkt for brukeren. ElevenLabs leverer en komponent som andre må bygge et produkt rundt. Det gir større frihet, men også mer ansvar for sikkerhet, feilhåndtering og en god samtaleopplevelse.
Hva vet vi om norsk kvalitet?
ElevenLabs oppgir utgående lyd på mer enn 90 språk med automatisk språkdeteksjon, og Eleven v4 Turbo brukes som standard for den oversatte stemmen. De offentlige lanseringssidene viser derimot ikke en komplett, spesifikk evaluering av norsk taleoversettelse, norske dialekter, støyende telefonlyd eller avbrytelser.
Dermed er det ikke mulig å gi en ærlig norsk kvalitetsdom på grunnlag av lanseringen alene. En språkoppføring ville heller ikke vært nok. Det som teller i et norsk kontaktsenter, er om systemet forstår kunden når lyden er dårlig, dialekten er tydelig, to personer snakker i munnen på hverandre og samtalen inneholder navn, kontonumre eller bransjeuttrykk.
Dette er en kildebasert gjennomgang av lanseringen, ikke en egen test. En bedrift som vurderer løsningen til norske samtaler, bør derfor kreve dokumentasjon som faktisk dekker norsk og det aktuelle lydmiljøet. Hvis leverandøren ikke har den, må en avgrenset pilot med representative samtaler være en del av innkjøpsgrunnlaget – ikke en fotnote etter at avtalen er signert.
Tilgang, pris og personvern er fortsatt haker
Eleven Realtime Translation er foreløpig bare tilgjengelig for enterprise-kunder i ElevenAPI. Det finnes ingen offentlig selvbetjent pris på produktsiden, og lanseringen sier heller ikke hva en samtaleminutt vil koste. For en funksjon som kan stå på gjennom lange telefonsamtaler, er det en ganske vesentlig opplysning å mangle.
Dokumentasjonen beskriver Zero Retention Mode gjennom enable_zrm=true. Da skal transkripsjoner, oversettelser og TTS-tekst ikke lagres i applikasjonslogger eller økthistorikk. Funksjonen er for enterprise-kunder, og den løser uansett ikke hele personvernjobben. Bedriften må fortsatt vite hvilke data som går inn, hvor egne logger havner, hvem som får tilgang og hva som skjer når en feil må undersøkes.
API-et har egne feilmeldinger for blant annet autentisering, for høy senderate, manglende kreditt, betalingsproblemer og feil i transkripsjon, oversettelse eller lydproduksjon. Noen segmentfeil lar økten fortsette, mens andre stenger den. Det betyr at en produksjonsløsning trenger en plan for hva kunden hører når oversettelsen faller ut. Stillhet og håp er sjelden en god reserveplan i kundeservice.
Er dette bedre enn å bygge en egen kjede?
Den klassiske løsningen består av talegjenkjenning, tekstoversettelse og talesyntese som tre separate deler. Den kan gi frihet til å velge beste leverandør i hvert ledd, lagre mellomresultater og bytte ut én komponent uten å rive resten. Ulempen er at hvert ledd tilfører forsinkelse, integrasjonsarbeid og et nytt sted der samtalen kan gå i stykker.
ElevenLabs samler strømmen bak ett endepunkt, men hendelsene viser at grunnarbeidet fortsatt finnes: Du får kildetranskripsjon, oversatt tekst og lyd som separate svar. Fordelen er først og fremst at orkestreringen blir enklere, og at ElevenLabs tar mer ansvar for samspillet mellom delene. Ulempen er sterkere binding til én leverandør og mindre innsyn i hvordan hver del presterer.
For taleagenter finnes det allerede flere måter å løse sanntidslyd på. Jeg har tidligere skrevet om Gemini 3.1 Flash Live og native audio-to-audio i API-et. ElevenLabs-produktet er smalere rettet mot oversettelse mellom mennesker og systemer. Det er bra. En tydelig komponent er ofte mer nyttig enn enda en AI-boks som lover å gjøre absolutt alt.
Min vurdering av ElevenLabs-lanseringen
Eleven Realtime Translation ser ut som en relevant byggestein for bedrifter som allerede har et konkret problem med flerspråklige samtaler. WebSocket-grensesnittet er forståelig, automatisk språkdeteksjon reduserer friksjon, og muligheten til å justere fart mot kvalitet viser at produktet tar en reell svakhet ved direktetolking på alvor.
Men dette er en alfa uten offentlig pris og uten publiserte tall for faktisk ende-til-ende-forsinkelse. «Mer enn 90 språk» forteller heller ikke hvor godt norsk fungerer når virkeligheten kommer med haugesundsdialekt, bakgrunnsstøy og et kundenummer uttalt altfor fort. Markedsføringen må ikke få gjøre den jobben som dokumentasjon og målinger skal gjøre.
Derfor er dommen enkel: Dette er en lovende API-lansering, ikke et ferdig bevis på at språkbarrieren i kundeservice er borte. Har du et reelt enterprise-behov, er det verdt å undersøke. Krev pris, datavilkår og dokumenterte resultater for dine språk før du bygger løsningen inn i en kritisk samtale. API-et kan bli svært nyttig. Alfa-skiltet henger der fortsatt av en grunn.
Ofte stilte spørsmål
Kan vanlige ElevenLabs-kunder bruke sanntidsoversettelsen nå?
Nei, ikke som en åpen selvbetjent funksjon. Eleven Realtime Translation er lansert som alfa for enterprise-kunder i ElevenAPI. Interesserte bedrifter må kontakte ElevenLabs, og selskapet har foreløpig ikke publisert en generell pris eller dato for bredere tilgang.
Bevarer ElevenLabs stemmen til personen som snakker?
Ikke automatisk. Utvikleren velger en stemme fra ElevenLabs-biblioteket eller bruker en Instant eller Professional Voice Clone. Den valgte stemmen kan holdes konsistent gjennom økten, men tjenesten overfører ikke originalstemmen nøyaktig til alle språk av seg selv.
Kan API-et brukes til teksting i tillegg til oversatt lyd?
Ja. En økt kan sende både foreløpig og endelig transkripsjon av kildetalen, oversatt tekst og oversatt lyd. Det gjør det mulig å bygge direkteteksting og samtalevisning rundt samme strøm, så lenge løsningen også håndterer samtykke, lagring og tilgang på en forsvarlig måte.
Er norsk taleoversettelse dokumentert som god?
Ikke i materialet som fulgte lanseringen. ElevenLabs oppgir støtte for utgående lyd på mer enn 90 språk, men det er ikke det samme som en norsk evaluering av dialekter, støy, avbrytelser og faguttrykk. Slike påstander krever dokumentasjon for riktig modell og brukssituasjon.
