イレブンラボ、音声エージェント向けの音声対音声モデル「Eleven Realtime」を発表

モデルを選ぶ だけで、自然に会話する音声エージェントを構築。日本語を含む90以上の言語に対応

音声AIリサーチと革新的テクノロジーのグローバルリーダーであるElevenLabs（本社：米国ニューヨーク州、CEO：Mati Staniszewski、以下イレブンラボ）は、音声エージェント向けの新たな音声対音声（Speech to Speech）モデル「Eleven Realtime」を発表しました。会話の速さと自然さに最適化した「Eleven Realtime v1 Mini」と、複雑なタスクに最適化した「Eleven Realtime v1 Max」の2つのモデルを、本日より音声・チャットエージェントプラットフォーム『ElevenAgents』およびRealtime APIで提供します。

自然に話す音声エージェントを構築するには、これまで音声認識、発話区間の検出、話者交代（ターンテイキング）、大規模言語モデル（LLM）、音声合成といった構成要素を個別に選び、組み合わせて調整する必要がありました。

「Eleven Realtime」は、これらの構成要素をひとつのシステムとして調整した音声エージェントのモデルです。ユーザーはモデルを選ぶだけで、構成要素を個別に設定することなく音声エージェントを構築できます。いずれのモデルも日本語・韓国語を含む90以上の言語に対応し、イレブンラボの17,000以上のボイスライブラリから声を選択できます。

• 「Eleven Realtime v1 Mini」：速く自然な会話に最適化したモデル。AIアシスタント、教育向けのチューター、ゲームやエンターテインメントのインタラクティブなキャラクターなどに適しています。
• 「Eleven Realtime v1 Max」：複雑なタスクに最適化したモデル。決められた手順に沿った対応や情報の検索が必要なカスタマーサポート、リード獲得のための見込み客の選別（リードクオリフィケーション）、ツールを呼び出して情報の照会や操作を行う複数ステップの業務などに適しています。

両モデルとも、自然な話者交代や割り込みへの対応、ツール呼び出しに対応しており、v1 Miniとv1 Maxはモデルの選択を変えるだけで切り替えられます。また、各段階でテキストを介して処理するため、ガードレールの適用や会話内容の追跡（トレーサビリティ）が可能です。

第三者評価機関のArtificial Analysisによる評価（2026年10月時点）では、「Eleven Realtime v1 Max」は、音声による推論力を測るベンチマーク「Big Bench Audio」で98.8%の正答率を記録し、質問を聞き終えてから話し始めるまでの時間は0.57秒でした。同社のリーダーボードにおいても、正答率と応答速度の両面で高い評価を得ています。

また、会話中の間（ま）、話者交代、割り込み、相づちへの対応を測る「Full-Duplex-Bench」では、v1 Miniが95.8%、v1 Maxが94.1%のスコアを記録しました。

『ElevenAgents』で利用する場合

エージェントを作成するか既存のエージェントを開き、モデルの選択欄から「Eleven Realtime」を選ぶだけで利用できます。電話、Webサイト、WhatsApp、コンタクトセンタープラットフォームなどのチャネルへの展開や、ワークフロー、ナレッジベース、ガードレール、テスト、モニタリングなど、『ElevenAgents』の機能をそのまま活用できます。既存のエージェントの設定は変わりません。

Realtime APIで利用する場合

Realtime APIはOpenAIのRealtime APIと互換性があり、WebSocketで接続します。すでにOpenAIのRealtime APIを利用している開発者は、既存のコードの接続先とモデル名を変更するだけで「Eleven Realtime」を試すことができます。なお、提供開始時点ではWebRTCには対応していません。また、Realtime APIと『ElevenAgents』は接続方式が異なります。電話などのチャネルやナレッジベースといった『ElevenAgents』の機能を利用する場合は、はじめから『ElevenAgents』で構築することを推奨しています。

料金は、『ElevenAgents』では通常の分単位の料金に言語モデルのトークン料金を加えた額、Realtime APIでは接続中の音声の分単位の料金にトークン料金を加えた額となります。最新の料金は料金ページ（https://elevenlabs.io/pricing/agents 、https://elevenlabs.io/pricing/api）を、製品の詳細は https://elevenlabs.io/realtime をご覧ください。

日本では、少子高齢化を背景に働き手の不足が進んでいます。リクルートワークス研究所の試算では、2040年に約1,100万人の働き手が不足するとされ、顧客対応の現場でも、限られた人員でサービスの質をどう保つかが課題になっています。

顧客対応には、営業時間や手続きの案内、予約の受付など、すぐに答えられるお問い合わせも多く含まれます。こうした対応を音声エージェントが担うことで、担当者は、事情を丁寧に聞き取る相談や判断が求められる対応など、人だからこそできる対応に時間を使えるようになります。人とAIがそれぞれに適した対応を分け合うことで、お客様にとっても待ち時間が少なく、納得感のある窓口をつくることができます。

「Eleven Realtime」は日本語を含む90以上の言語に対応しています。イレブンラボは、日本の企業や開発者の皆さまとともに、人とAIが協力して支える顧客対応の実現に取り組んでまいります。

イレブンラボは、2022年に設立された、テクノロジーとの関わり方を変革するAI研究・プロダクト企業です。企業向けの音声・チャットエージェントプラットフォーム「ElevenAgents」、コンテンツの制作・編集を支援する「ElevenCreative」、開発者がAIオーディオ基盤モデルを利用できる「ElevenAPI」を提供しています。音声合成、音声認識、会話型AIなどを通じて、企業、開発者、クリエイターによる新たなコミュニケーション体験の構築を支援。現在の企業評価額は220億米ドルを超え、プラットフォームは、Fortune 500企業の80％以上を含む数千社に利用されています。

日本語サイト: https://elevenlabs.io/ja

LinkedIn: https://www.linkedin.com/company/elevenlabs-japan/

イレブンラボ 日本語版X（旧Twitter）: @ElevenlabsJapan

イレブンラボジャパン公式note: https://note.com/elevenlabs_japan