语音客服接到一句“先别改地址，帮我查一下能不能改”，系统不仅要听清，还得等对方说完、查订单，并且不能抢先执行。ElevenLabs 在 10 月 20 日发布的 Eleven Realtime，想把这条链路的配置工作一起接过去：开发者选择 Mini 或 Max，平台负责协调语音识别、对话模型、轮次与发声。
这次变化值得做客服、教学助手和交互角色的团队关注，但不是“选好声音就能放心上线”。更重要的问题是：托管省掉了什么，又会让现有系统失去哪些可单独调整的选项？
选的不是一款配音模型，而是一套托管组合
Eleven Realtime v1 Mini 面向自然对话、教学和角色互动等场景，v1 Max 面向较复杂的指令和多步工具任务。它与把文字读出来的 TTS 不同，也不是只把录音转成文字的转写服务。根据官方兼容说明，两个版本内部仍采用级联架构，不是把所有处理融合成一个原生音频模型；具体底层模型没有公开。
在 ElevenAgents 的 Custom 模式中，可以选择不同组件；切到 Realtime 后，一些设置改由 ElevenLabs 管理，原先存储的 LLM、TTS 等选择不再生效。系统提示词、声音、工具、知识库和对话轮次设置仍可配置。这不是取消了所有控制，而是把“控制代理怎么工作”和“选择每个底层模型”分开了。
我们的判断是：缺少语音工程经验的小团队可能更容易开始验证；已有定制模型、特定 TTS 或复杂工作流的团队，则应先核对依赖，不能只因为配置项更少就认定迁移更简单。这里是基于产品结构的分析，不是生产效果实测。
老客服先查转接关系，再决定切不切
现有代理不会因发布公告自动切换。对有权限且已开放功能的 ElevenAgents 工作区，可以在 Agent 页把 Voice mode 改为 Realtime，再选择模型并发布。看不到这一设置时，官方文档说明工作区可能尚未获得逐步开放的权限；“产品已发布”不代表每个账号此刻都能使用。
切换前尤其要检查转接：Realtime 代理不能与 Custom 模式代理互相转接，Mini 和 Max 之间则可转接。如果现有客服先用一个代理接待，再交给另一个代理查售后，单独迁移其中一个环节可能让这条路径中断。不要只试听开场白，要把转接完整走一遍。
有自定义 LLM、Amazon Bedrock 或工作流节点覆盖托管设置等依赖的代理，也应先按文档检查，必要时保留 Custom。Max 的 token 上限至少要设为 1,024，或者不设上限；这不是建议它每轮一定输出这么多，而是当前配置要求。
API 协议兼容，不等于客服平台功能全部跟着来
ElevenLabs 提供独立 Realtime API，并声明兼容 OpenAI Realtime 的 WebSocket 协议。已有这类客户端可以从协议复用入手评估，但不能把“兼容”读成“所有部署方式都无需修改”：发布时该接口只支持 WebSocket，不支持 WebRTC。浏览器端采集、播放与连接逻辑都需要按实际传输方式检查。
另一个区别是产品边界。独立 Realtime API 和 ElevenAgents 分开运行；API 会话不会自动继承后者的电话、WhatsApp、知识库或监控能力。需要这些渠道与平台功能的团队，应该先评估 ElevenAgents，而不是先接最薄的接口，后来再发现还要补一整套系统。
查看 官方产品入口时，先选“平台搭建”还是“直接接 API”，再核对功能。如果前端直连服务，长期 API 密钥应留在后端，只按官方流程向浏览器发放短期凭证。
一分钟的价格，还不是一次解决问题的成本
截至 10 月 21 日核实，官方 Realtime API 定价表列出的额外 connected audio 分钟价格，两款均为 0.080 美元；token 另算。每百万输入／输出 token，Mini 为 0.20／6.00 美元，Max 为 1.80／9.00 美元。不要拿 TTS 的“每千字符”价格直接替代这份语音会话预算。
ElevenAgents 路径则采用平台分钟费，再加模型 token 费用。账户内包含的分钟是估算值，具体消耗还受对话和工具使用影响；并发超限还可能涉及 burst 计费。应以 当前定价页及对应工作区账单为准，不把展示分钟数当作无条件保证。
建议记录每次测试的连接时长、token、工具错误和是否解决问题。Mini 单价较低，不代表遇到复杂业务时总成本必然较低；Max 也不能因为定位复杂任务，就被当成已经验证更可靠。两种判断都需要自己的任务数据。
先验证一个小场景，而不是承诺“全自动接待”
把试点限制为一项低风险查询，例如只读查询虚构订单状态。设计几种打断、更正和拒绝执行的对话，检查“先别改地址”是否真的没有触发写操作。再测工具失败、等待过久和转人工时的处理，不能只凭声音顺畅判定成功。
数据驻留和合规模式也要单独核对。官方列明 Mini 不支持 Zero Retention Mode 和 HIPAA 配置；Max 在美国及欧盟环境支持这些模式，但不在印度、新加坡数据驻留环境提供。这里说的是服务环境与功能组合，不是单凭用户国籍判断可用性，也不代表配置打开后整个业务就自动合规。
如果只是给视频配音，可先看站内 ElevenLabs 工具介绍；如果要把已有录音整理成字幕，Whisper 本地 SRT 教程解决的是另一个任务。Eleven Realtime 真正要比较的，是能否在保留业务边界的前提下，减少实时语音系统的搭建和维护工作，而不只是多了一种好听的声音。