ElevenLabs 음성 모델이 0.57초에 답했다

음성 AI가 질문을 듣고 답하기까지 걸리는 시간(응답 지연)이 0.57초까지 줄었다. ElevenLabs는 음성 인식·대화 흐름 제어·음성 합성을 하나로 묶은 'Eleven Realtime' 모델을 11월 3일(현지시각) 공개하고, AI 평가기관 Artificial Analysis가 10월 측정한 이 수치(Max 기준)를 공개했다.

ElevenLabs는 음성 대화형 에이전트 모델 'Eleven Realtime'을 두 가지 버전으로 출시했다. 빠른 대화가 중요한 AI 비서, 교육용 튜터, 게임 캐릭터에 맞춘 'v1 Mini'와 고객 지원, 잠재 고객 선별 같은 복잡한 작업에 특화한 'v1 Max'다. 두 모델 모두 한국어와 일본어를 포함해 90개 이상 언어를 지원하며, 끼어들기 반응, 외부 도구 호출, 자연스러운 대화 순서 주고받기 기능을 갖췄다. 목소리는 회사가 보유한 1만 7,000개 이상의 음성 라이브러리에서 고를 수 있다.

성능 숫자가 말하는 겨냥점

평가 수치는 모델별로 차이를 보인다. 음성 기반 추론 능력을 재는 'Big Bench Audio'에서 Max는 정확도 98.8%를 기록했다. 침묵과 말 차례 전환, 끼어들기 반응을 재는 'Full Duplex Bench'에서는 Mini가 95.8%, Max가 94.1%로 Mini가 1.7%포인트 앞선다. 다만 Big Bench Audio 정확도와 응답 시작 시간은 Max 수치만 공개됐다.