มีอะไรมาบ้าง
- ElevenLabs โพสต์เปิดตัวบน X เมื่อ 21:25 น. วันที่ 20 ต.ค. เวลาไทย เรียกว่าเป็นโมเดลแบบพูดเข้าแล้วพูดออก (speech to speech) กลุ่มใหม่ของบริษัท
- เดิมถ้าจะทำผู้ช่วยตอบด้วยเสียง ต้องเลือกเองทีละชิ้น ทั้งตัวถอดเสียง ตัวจับว่าคนพูดจบหรือยัง โมเดลภาษา และตัวอ่านออกเสียง แล้วค่อยมาจูนให้เข้ากัน Eleven Realtime รวมทั้งหมดนี้ไว้ในตัวเลือกเดียว
- v1 Mini เน้นคุยลื่นและราคาถูก เหมาะกับผู้ช่วยทั่วไป ครูสอนพิเศษ และตัวละครในเกม รู้ว่าเราพูดจบแล้วหรือแค่ตอบรับ "อือ ๆ" และหยุดฟังเมื่อถูกพูดแทรก
- v1 Max เน้นงานซับซ้อน คิดก่อนตอบ เรียกใช้เครื่องมือได้หลายขั้น เหมาะกับงานบริการลูกค้า คัดกรองลูกค้า และงานที่ต้องทำตามขั้นตอน
- ทั้งสองรุ่นรองรับกว่า 90 ภาษา และเลือกเสียงได้จากคลังเสียงของ ElevenLabs กว่า 17,000 เสียง
เก่งแค่ไหน
- Artificial Analysis วัดผลให้ ในชุดคำถามชวนคิดแบบถามด้วยเสียง Big Bench Audio 1,000 ข้อ v1 Max ตอบถูก 98.8% ส่วน v1 Mini ตอบถูก 75.9%
- ความเร็ว v1 Max เริ่มพูดตอบเฉลี่ยใน 0.57 วินาที v1 Mini ใน 0.62 วินาที ElevenLabs บอกว่าบนกระดานของ Artificial Analysis ยังไม่มีโมเดลไหนที่ทั้งเร็วกว่าและตอบถูกมากกว่า v1 Max
- บนกระดานเดียวกัน Grok Voice 3.0 ตอบถูกพอ ๆ กันที่ราว 99% แต่เริ่มพูดช้ากว่าที่ 0.81 วินาที ส่วน Gemini 3.8 Live กับ GPT-Realtime-2.1 High ใช้เวลาเกิน 1 วินาที
- ด้านการคุยเป็นธรรมชาติ เช่น เว้นจังหวะ ผลัดกันพูด และรับมือการพูดแทรก v1 Mini ได้ 95.8% v1 Max ได้ 94.1% ยังตามหลัง Grok Voice 3.0 ที่ 97.0% อยู่เล็กน้อย
- งานที่ต้องเรียกใช้เครื่องมือ v1 Max ทำสำเร็จ 87.1% v1 Mini ได้ 60.3% ElevenLabs เลยแนะนำ Max สำหรับงานที่เรียกเครื่องมือบ่อย แต่ตัวเลขนี้ยังต่ำกว่า Grok Voice 3.0 ที่ 94.8%
ราคาและวิธีใช้
- คิดค่าเชื่อมต่อเสียงนาทีละ 0.08 ดอลลาร์ เท่ากันทั้งสองรุ่น แล้วบวกค่าประมวลผลข้อความตามจำนวนโทเคน
- v1 Mini คิดขาเข้า 0.20 ดอลลาร์ และขาออก 6 ดอลลาร์ ต่อหนึ่งล้านโทเคน ส่วน v1 Max ขาเข้า 1.80 ดอลลาร์ และขาออก 9 ดอลลาร์
- ใช้ได้สองทาง คือเลือกโมเดลในแพลตฟอร์ม ElevenAgents ซึ่งต่อโทรศัพท์ เว็บ และ WhatsApp ได้เลย หรือเรียกผ่าน Realtime API ที่ทำให้เข้ากับ API ของ OpenAI ใช้ชุดเครื่องมือของ OpenAI ต่อได้ทันทีแค่เปลี่ยนปลายทางและชื่อโมเดล
ข้อควรรู้
- ภาษาไทยอยู่ในรายชื่อภาษาที่เอกสารของ ElevenLabs ลิงก์ไว้ แต่ยังไม่มีผลทดสอบภาษาไทยแยกออกมา ตัวเลขข้างบนวัดเป็นภาษาอังกฤษ
- Realtime API ต่อได้ทาง WebSocket อย่างเดียว ใครใช้ WebRTC อยู่ต้องย้ายก่อน และใช้โมเดลภาษาของตัวเองแทนไม่ได้
- v1 Max ยังไม่เปิดในศูนย์ข้อมูลอินเดียและสิงคโปร์ ส่วน v1 Mini ใช้กับโหมดไม่เก็บข้อมูลและงานข้อมูลสุขภาพตามกฎ HIPAA ไม่ได้
- Artificial Analysis ยังไม่มีคะแนนรวมให้สองรุ่นนี้ เพราะยังขาดผลบางชุดทดสอบ
สรุป
ใครกำลังทำผู้ช่วยตอบด้วยเสียงแล้วเหนื่อยกับการต่อหลายระบบเข้าด้วยกัน Eleven Realtime น่าลอง โดยเฉพาะ v1 Max ที่ทั้งเร็วและตอบถูกสูง แต่ถ้างานเน้นเรียกใช้เครื่องมือเยอะ ๆ ควรเทียบกับ Grok Voice 3.0 ก่อน และลองภาษาไทยด้วยตัวเองก่อนใช้จริง
แหล่ง: ElevenLabs (หน้าประกาศ Eleven Realtime, หน้าราคา API, เอกสาร Realtime models) · โพสต์ X ของ ElevenLabs · Artificial Analysis กระดาน Speech to Speech · The Decoder · 21 ต.ค. 2026