Innhold Vis
Eleven Realtime samler talegjenkjenning, turtaking, resonnering og talesyntese i én ferdigjustert løsning for voice agents. ElevenLabs lanserer to varianter: v1 Mini for raske og rimelige samtaler, og v1 Max for krevende instrukser, verktøybruk og arbeidsflyter med flere steg.
Det er en fornuftig retning. En voice agent er ikke bare en språkmodell som har fått mikrofon. Den skal forstå når du er ferdig med å snakke, tåle at du avbryter, hente riktig informasjon og svare raskt nok til at samtalen ikke føles som en telefonsamtale via Månen. Hver liten forsinkelse og feilinnstilling merkes.
De første uavhengige målingene ser sterke ut, særlig for Max. Men modellene er ikke et gratis trollslag over alt som er vanskelig med kundeservice og norske samtaler. Pris, kontroll, språk og faktisk kvalitet i ditt miljø må fortsatt skilles fra pene benchmarktall.
Hva er Eleven Realtime?
Eleven Realtime er to speech-to-speech-modeller som driver en komplett voice agent. ElevenLabs lanserte v1 Mini og v1 Max 20. oktober 2026. Begge bruker en kaskadert arkitektur, der separate komponenter håndterer blant annet talegjenkjenning, resonnering og stemme, men hele kjeden er justert og levert som én modell.
Det skillet er viktig. Dette er ikke én stor, smeltet lydmodell som gjør alt i ett nevralt jafs. ElevenLabs opplyser at komponentene fremdeles er adskilte, men selskapet velger og optimaliserer dem som et samlet system. Utvikleren slipper dermed mye av jobben med å velge ASR, LLM, TTS, turtaking og tidsgrenser hver for seg.
I ElevenAgents velger du Realtime som voice mode og deretter Mini eller Max. Systemprompt, stemme, verktøy, kunnskapsbase og innstillinger for samtaleflyt kan fortsatt brukes, mens ElevenLabs overtar styringen av blant annet LLM, reasoning effort, TTS-modell og ASR-leverandør. Det gjør oppsettet enklere, men gir også mindre kontroll enn Custom-modus.
Hva er forskjellen på Mini og Max?
Mini er standardvalget for de fleste vanlige samtaler, mens Max er laget for oppgaver som krever bedre resonnering og mer omfattende verktøybruk. ElevenLabs peker på assistenter, undervisning og interaktive figurer for Mini, og kundestøtte, kvalifisering av salgshenvendelser og arbeidsflyter med flere steg for Max.
Navnene kan lure deg til å tro at Max bare er Mini med alt skrudd opp. Artificial Analysis sin uavhengige evaluering viser et mer nyttig skille: Max er klart sterkere på resonnering og verktøybruk, mens Mini ligger litt foran på samtaledynamikk.
Det passer godt med produktdelingen. En hyggelig samtale krever ikke alltid den tyngste modellen, og mer resonnering betyr ikke automatisk bedre rytme. Samtidig er dette benchmarkresultater, ikke dokumentasjon på hvordan modellene håndterer akkurat dine kunder, verktøy eller norske samtaler.
Valget bør derfor følge oppgaven. En enkel timebestilling, FAQ-agent eller figur i et spill kan klare seg fint med Mini. Skal agenten kontrollere kundeopplysninger, slå opp flere systemer og følge en prosedyre uten å rote bort tråden, er Max det naturlige utgangspunktet.
Hvor raskt starter Eleven Realtime svaret?
Både Max og Mini begynte å levere lyd på under ett sekund i Big Bench Audio. Det er lovende, men tallet må leses som et kontrollert mål på tid til første lyd – ikke som ventetiden i en ferdig telefoniløsning.
Den lille forskjellen mellom modellene i denne målingen er neppe det avgjørende for en vanlig bedrift. Nettverk, telefonileverandør, verktøykall, kunnskapsbase og lengden på svaret kan fort spise opp langt mer tid. Det viktige er om hele kjeden svarer raskt og riktig i den faktiske arbeidsflyten.
En benchmark må likevel leses som en måling, ikke som en garanti. Big Bench Audio stiller 1 000 spørsmål og måler når modellen starter svaret. Den forteller ikke alene hvordan en agent oppfører seg i en støyende butikk, med mobildekning som lever sitt eget liv, en kunde som snakker dialekt og et CRM-system som bruker tre sekunder på å våkne.
Hva koster Eleven Realtime?
Begge modellene har en oppgitt grunnpris på 0,08 dollar per minutt, cirka 75 øre med en dollarkurs rundt 9,40 kroner. ElevenLabs sin API-prisliste presiserer at LLM-bruk kommer i tillegg. En samtale på 1 000 minutter starter dermed rundt 752 kroner før tokenkostnader og eventuelle andre kostnader.
Dokumentasjonen sier samtidig at Max koster mer per token enn Mini. Det betyr at den synlige minuttprisen ikke er nok til å sammenligne dem. En Max-agent som resonnerer lenge, leser mye kontekst og gjør flere verktøykall kan bli merkbart dyrere enn en kortfattet Mini-agent, selv om grunnprisen per samtaleminutt er lik.
Her ville jeg fulgt kostnad per løst oppgave, ikke bare kostnad per minutt. En billig agent som misforstår kunden og skaper en ny supportsak er ikke billig. En kraftigere modell er heller ikke verdt pengene dersom den bare skal bekrefte en time og sende en SMS.
Kan eksisterende OpenAI-integrasjoner flyttes?
Eleven Realtime bruker samme wire protocol og WebSocket-transport som OpenAI Realtime API. En eksisterende klient kan derfor beholde OpenAI sitt Realtime SDK og bytte endpoint til ElevenLabs, sammen med modellnavn og sesjonsoppsett. Det senker terskelen for å sammenligne leverandørene i samme applikasjon.
Den offisielle kompatibilitetsguiden bruker endpointet wss://api.elevenlabs.io/v1/convai/realtime og modell-ID-en eleven_realtime_v1_mini. Nettleseren kobler til med en kortlivet klienthemmelighet som opprettes på serveren, slik at den vanlige ElevenLabs API-nøkkelen ikke sendes til brukeren.
«Kompatibel» betyr likevel ikke at hele migreringen er ett tegnbytte. Guiden dekker nettleserflyten, og ElevenLabs skriver at dokumentasjon for serverbaserte OpenAI Realtime SDK-er ennå ikke er publisert. Over WebSocket må applikasjonen dessuten selv håndtere PCM16-lyd på 24 kHz, fordi SDK-et bare kobler lyd automatisk ved bruk av WebRTC-transporten.
Hvilke begrensninger følger med?
Realtime-modellene rulles gradvis ut. Hvis valget ikke vises i ElevenAgents, er funksjonen ikke tilgjengelig for arbeidsområdet ennå. Realtime kan heller ikke brukes med en egendefinert LLM, Amazon Bedrock eller workflow-noder som overstyrer innstillinger ElevenLabs administrerer.
Max krever en token-grense på minst 1 024 tokens eller ingen grense. Agenter i Realtime-modus kan bare overføre samtaler til andre Realtime-agenter, ikke til agenter i Custom-modus. Mini støtter heller ikke Zero Retention Mode eller HIPAA-oppsett, mens Max gjør det i USA og EU. Max er på sin side ikke tilgjengelig i miljøene for datalagring i India og Singapore.
Dette er mer enn fotnoter. En ferdigjustert løsning er mest attraktiv når standardvalgene passer. Trenger du en bestemt LLM, egen talegjenkjenning eller kontroll over hvert ledd i kjeden, bør du beholde Custom-modus. Enkelhet er en funksjon, men den kommer av at noen andre tar flere av beslutningene.
Hva vet vi om norsk?
ElevenLabs oppgir støtte for mer enn 90 språk, og språkinnstillingene i ElevenAgents gjelder også i Realtime-modus. Det viser at norsk kan inngå i oppsettet. Det dokumenterer ikke hvor godt Mini og Max forstår norske dialekter, avbrutt tale, bakgrunnsstøy eller navn i virkelige telefonsamtaler.
De publiserte resultatene måler muntlig resonnering, samtaledynamikk, menneskelig preferanse og verktøybruk. ElevenLabs har ikke lagt fram en egen norsk evaluering av de nye Realtime-modellene i lanseringsmaterialet. Jeg har heller ikke testet dem selv, så jeg kommer ikke til å late som en språkoppføring er det samme som dokumentert norsk kvalitet.
En produksjonsvurdering bør derfor skille egenskapene fra hverandre: transkripsjon av vanlig bokmål, lokale dialekter, turtaking, avbrytelser, opplesing av norske navn og faktisk utførelse av verktøykall. Jeg har tidligere testet ElevenLabs V3 Alpha som TTS-modell, men resultatene fra en eldre og separat TTS-modell svarer ikke på hvordan denne komplette agentkjeden fungerer.
Hva betyr lanseringen for voice agents?
Eleven Realtime gjør en komplisert teknisk kjede om til et tydeligere produktvalg. Mini dekker rimelige og naturlige samtaler. Max dekker oppgaver der agenten må forstå mer, bruke verktøy og følge flere steg. For små bedrifter og utviklere kan det spare mye integrasjonsarbeid.
Jeg liker særlig at dette er et ekte produktvalg i stedet for én modell som påstås å være best til alt. Mini er rettet mot pris, fart og naturlig samtale, mens Max er laget for resonnering og verktøybruk. Det er nyttigere enn en diffus «Pro»-etikett med litt høyere pris.
Samtidig er dette en administrert, proprietær stakk. Du får enklere oppsett og en OpenAI-kompatibel vei inn, men gir fra deg kontroll over sentrale komponenter. Den riktige modellen er derfor ikke automatisk Max. Det er den billigste og enkleste varianten som løser den faktiske oppgaven stabilt – og som er målt på menneskene den skal snakke med.
Eleven Realtime ser lovende ut. Max er det naturlige valget for krevende oppgaver, og Mini virker som et fornuftig standardvalg for naturlig samtale. Men før noen setter en norsk AI-agent alene på telefonen med kundene, må norsk kvalitet, integrasjoner og totalkostnad dokumenteres i den virkelige arbeidsflyten. En ferdigjustert stakk sparer arbeid. Den gjør ikke produksjonsjobben for deg.
Ofte stilte spørsmål
Er Eleven Realtime én samlet lydmodell?
Nei. Mini og Max bruker en kaskadert arkitektur med separate komponenter som er optimalisert som ett system. ElevenLabs administrerer blant annet talegjenkjenning, språkmodell og talesyntese, slik at utvikleren møter løsningen som én speech-to-speech-modell.
Hvilken Eleven Realtime-modell bør en liten bedrift velge?
Mini er det naturlige startpunktet for enkle assistenter og samtaler. Velg Max når agenten må følge kompliserte instrukser, bruke flere verktøy eller gjennomføre en prosess med flere steg. Mål feilrate og kostnad per løst oppgave før produksjon.
Fungerer Eleven Realtime med OpenAI Realtime SDK?
Ja. ElevenLabs bruker samme wire protocol og WebSocket-hendelser, slik at en eksisterende OpenAI-klient kan bytte endpoint og modellnavn. Nettleserflyten er dokumentert, men full dokumentasjon for serverbaserte Realtime SDK-er var ikke publisert ved lansering.
Er Eleven Realtime dokumentert god på norsk?
Nei, ikke i lanseringsmaterialet. ElevenLabs oppgir støtte for mer enn 90 språk, men har ikke publisert en egen norsk evaluering av dialekter, støy, avbrytelser og verktøybruk for Mini og Max. Språkstøtte alene beviser ikke norsk samtalekvalitet.
