ElevenLabs Rilis Eleven Realtime untuk Asisten Suara AI, Ini Harga dan Beda Mini dan Max

ElevenLabs selama ini dikenal sebagai layanan pembuat suara AI yang dipakai banyak kreator, mulai dari pengisi suara video YouTube sampai dubbing konten. Sekarang perusahaan ini masuk lebih dalam ke dunia asisten suara. Pada 20 Oktober 2026, ElevenLabs resmi merilis Eleven Realtime, keluarga model baru yang bisa mendengar, berpikir, dan menjawab dengan suara secara langsung.

Ini adalah model speech to speech, artinya suara pengguna masuk dan suara jawaban keluar tanpa harus dirakit dari banyak komponen terpisah. Ada dua pilihan yang dirilis sekaligus, yaitu Eleven Realtime v1 Mini dan Eleven Realtime v1 Max. Keduanya mendukung lebih dari 90 bahasa dan bisa memakai lebih dari 17.000 suara dari pustaka ElevenLabs.

Artikel ini akan menjelaskan apa yang sebenarnya baru dari Eleven Realtime, berapa harganya, perbedaan Mini dan Max berdasarkan angka benchmark, cara mencobanya, serta beberapa catatan praktis buat developer dan pelaku usaha di Indonesia yang sedang melirik asisten suara AI.

Apa yang baru dari Eleven Realtime

Sebelum ada model seperti ini, membangun asisten suara yang terdengar natural itu cukup ribet. Developer harus memilih dan menyambungkan banyak bagian sendiri: pengenal suara (speech recognition), pendeteksi kapan orang berhenti bicara, pengatur giliran bicara, model bahasa (LLM), lalu pengubah teks ke suara. ElevenLabs sendiri mengakui bahwa merakit tumpukan ini saja sudah jadi proyek tersendiri.

Eleven Realtime mencoba memangkas semua itu. Setiap model sudah berupa satu agen suara lengkap yang komponennya disetel bersama dari ujung ke ujung. Jadi, yang dipilih cukup satu nama model, dan urusan teknis di belakangnya diatur ElevenLabs.

Beberapa poin baru yang paling menonjol:

1. Dua model untuk dua kebutuhan. Mini untuk obrolan natural yang murah, Max untuk tugas rumit yang butuh penalaran.
2. Lebih dari 90 bahasa dan akses ke 17.000+ suara yang sudah ada di ElevenLabs.
3. Kompatibel dengan OpenAI Realtime API. Developer yang sudah memakai API realtime milik OpenAI cukup mengganti alamat endpoint dan nama model.
4. Tersedia di dua jalur, yaitu platform ElevenAgents dan Realtime API.

Catatan: Di dokumentasi resmi, ElevenLabs menyebut model Realtime digulirkan bertahap. Kalau pengaturan Voice mode belum muncul di halaman agen, berarti workspace tersebut belum kebagian.

Beda Eleven Realtime v1 Mini dan v1 Max

Pertanyaan pertama yang biasanya muncul tentu saja: pilih yang mana? ElevenLabs memberi arahan yang cukup jelas. Mini adalah pilihan bawaan dan disebut sudah cukup untuk sebagian besar kebutuhan. Max dipakai kalau agen harus mengikuti instruksi panjang, menjalankan proses bertahap, atau sering memanggil tool.

Berikut perbandingan singkatnya:

Yang menarik, Max justru sedikit lebih cepat mulai bicara daripada Mini. Biasanya model yang lebih pintar butuh waktu lebih lama untuk menjawab, tetapi menurut ElevenLabs, Max unggul di dua sisi sekaligus.

Satu hal yang perlu dicatat untuk perusahaan: Mini tidak tersedia kalau agen wajib memakai Zero Retention Mode atau aturan HIPAA di Amerika Serikat dan Uni Eropa. Untuk kebutuhan seperti itu, Max jadi satu-satunya pilihan.

Hasil benchmark: seberapa pintar dan seberapa cepat

ElevenLabs tidak hanya mengandalkan klaim sendiri. Kedua model diuji secara independen oleh Artificial Analysis lewat tiga benchmark publik. Angkanya cukup membantu untuk melihat di mana kekuatan masing-masing model.

1. Big Bench Audio (penalaran lewat suara). Ada 1.000 pertanyaan yang diajukan dengan suara, lalu jawaban lisannya dinilai. Max menjawab benar 98,8%, sedangkan Mini 75,9%.
2. Full-Duplex-Bench (dinamika obrolan). Tes ini mengukur jeda, giliran bicara, interupsi, dan respons kecil seperti "oh iya" atau "hmm". Di sini Mini malah unggul tipis dengan 95,8%, sementara Max 94,1%.
3. Speech Agent Arena (preferensi manusia). Orang membandingkan dua model dalam obrolan langsung tanpa tahu modelnya. Max mendapat skor 998 dan Mini 988.
4. Penggunaan tool. Max menyelesaikan 87,1% tugas, sedangkan Mini 60,3%.

Dari angka di atas, gambarannya cukup jelas. Untuk obrolan santai yang mengalir, Mini sudah sangat bagus dan bahkan sedikit lebih luwes soal giliran bicara. Begitu agen harus berpikir, mencari data, atau menjalankan aksi lewat tool, Max jauh lebih bisa diandalkan. Karena itulah ElevenLabs menyarankan Max untuk kasus yang banyak memanggil tool.

Harga Eleven Realtime per menit

Soal harga, ElevenLabs memakai skema yang sedikit berbeda dari paket langganan kreator yang biasa dikenal orang. Di halaman harga API, kedua model tercantum dengan biaya US$0,08 per menit audio terhubung, ditambah biaya pemakaian LLM berdasarkan jumlah token.

Rinciannya kira-kira seperti ini:

• Realtime v1 Mini: US$0,08 per menit + biaya token LLM.
• Realtime v1 Max: US$0,08 per menit + biaya token LLM, dengan tarif token yang lebih mahal daripada Mini.
• Lewat ElevenAgents: memakai tarif standar per menit ElevenAgents ditambah biaya token. Di aplikasi, pemilih model akan menampilkan perkiraan biaya per menit.
• Lewat Realtime API: bayar per menit audio terhubung ditambah token, dengan harga token yang sama di semua paket.

Kalau dirupiahkan dengan asumsi kurs sekitar Rp16.500 per dolar, biaya dasar US$0,08 per menit setara kira-kira Rp1.300 per menit, belum termasuk token LLM. Angka akhirnya tentu bergantung pada panjang obrolan dan seberapa sering agen memanggil tool.

Peringatan: Tagihan API ElevenLabs dihitung dalam dolar AS, bukan kredit, dan harga yang tercantum belum termasuk pajak. Untuk usaha di Indonesia, biaya ini biasanya dibayar dengan kartu kredit atau debit berlogo internasional.

ElevenLabs juga menyebut ada burst pricing untuk audio yang melebihi batas koneksi bersamaan (concurrency) di paket yang dipakai. Jadi, kalau berencana melayani banyak penelepon sekaligus, cek dulu batas paket sebelum promosi besar-besaran.

Cara mencoba Eleven Realtime

Ada dua jalan untuk mulai memakai Eleven Realtime, dan ElevenLabs sendiri lebih merekomendasikan jalur pertama.

1. Lewat ElevenAgents (direkomendasikan)

Baca juga Gemini Notebook Kini Bisa Dipanggil Langsung dari Chat Gemini, Begini Caranya

1. Buat agen baru atau buka agen yang sudah ada di ElevenAgents.
2. Di tab Agent, ubah Voice mode dari Custom ke Realtime.
3. Pilih Eleven Realtime v1 Mini atau v1 Max dari daftar model.
4. Prompt sistem, suara, tool, dan basis pengetahuan tetap berjalan seperti sebelumnya.

Kelebihan jalur ini, semua fitur produksi sudah tersedia, termasuk kanal telepon, web, WhatsApp, dan pusat kontak (CCaaS), plus alur kerja, pembatas (guardrails), pengujian, dan monitoring.

2. Lewat Realtime API

Jalur ini cocok untuk developer yang sudah punya integrasi dengan OpenAI Realtime API. Kodenya tidak perlu ditulis ulang. Cukup arahkan koneksi WebSocket ke endpoint ElevenLabs dan ganti nama model, seperti contoh dari blog resmi berikut:

const transport = new OpenAIRealtimeWebSocket({
  url: "wss://api.elevenlabs.io/v1/convai/realtime"
});

const session = new RealtimeSession(agent, {
  transport,
  model: "eleven_realtime_v1_mini",
  config: { outputModalities: ["audio"], audio: { output: { voice: "brian" } } }
});

Tips: Realtime API hanya mendukung WebSocket. Kalau aplikasi lama memakai WebRTC, koneksinya perlu dipindah ke WebSocket dulu. API ini juga terpisah dari ElevenAgents, jadi fitur seperti kanal WhatsApp dan basis pengetahuan tidak ikut tersedia.

Kalau workspace belum kebagian, API akan menolak parameter model dengan pesan bahwa model Realtime belum tersedia untuk workspace tersebut. Dalam kondisi itu, satu-satunya pilihan adalah menunggu peluncuran bertahap selesai.

Peluang buat developer dan UMKM di Indonesia

Asisten suara AI sebenarnya punya banyak tempat di Indonesia. Banyak usaha masih melayani pelanggan lewat telepon dan WhatsApp, dan volume pertanyaannya sering berulang: jam buka, cek pesanan, harga, atau jadwal. Eleven Realtime membuka jalan untuk mengotomatiskan sebagian obrolan itu dengan suara yang terdengar lebih manusiawi.

Beberapa contoh pemakaian yang masuk akal:

• Layanan pelanggan toko online yang menjawab pertanyaan umum lewat telepon atau WhatsApp, lalu meneruskan ke manusia kalau kasusnya rumit. Untuk ini, Max lebih cocok karena sering perlu cek data.
• Tutor bahasa atau bimbel yang bisa diajak latihan ngobrol, misalnya latihan bahasa Inggris. Mini sudah cukup karena fokusnya obrolan yang mengalir.
• Karakter interaktif untuk game, aplikasi edukasi anak, atau konten kreator.
• Klinik dan reservasi untuk konfirmasi jadwal, dengan catatan aturan privasi data pasien tetap harus diperhatikan.

Soal bahasa, ElevenLabs menyebut dukungan lebih dari 90 bahasa beserta beragam aksen. Meski begitu, kualitas logat dan gaya bicara Bahasa Indonesia sehari-hari sebaiknya dites langsung dengan skenario nyata sebelum dipakai melayani pelanggan. Cara orang Indonesia bicara di telepon sering bercampur bahasa daerah dan istilah gaul, dan hal seperti ini tidak selalu tercermin di benchmark.

Dari sisi biaya, Rp1.300-an per menit (belum termasuk token) memang tidak bisa dibilang murah untuk usaha kecil. Hitungan sederhananya, bandingkan dengan biaya admin atau CS per jam, lalu lihat berapa persen panggilan yang benar-benar bisa diselesaikan AI tanpa bantuan manusia.

Posisi Eleven Realtime di persaingan AI suara

Peluncuran ini datang di tengah ramainya persaingan model suara. Dalam beberapa minggu terakhir, beberapa perusahaan teknologi besar juga memamerkan model suara yang bisa diajak ngobrol dua arah secara natural. Di Product Hunt, Eleven Realtime juga sempat masuk jajaran peluncuran teratas pada 25 Oktober 2026.

Keunggulan utama ElevenLabs ada di tiga hal:

1. Pustaka suara yang sangat besar. Lebih dari 17.000 suara siap pakai, sesuatu yang belum banyak dimiliki pesaing.
2. Kompatibilitas dengan OpenAI Realtime API. Ini menurunkan hambatan pindah layanan, karena developer tidak perlu menulis ulang kode.
3. Platform produksi yang sudah matang. ElevenAgents sudah punya kanal telepon, WhatsApp, dan pusat kontak, sehingga model baru ini langsung bisa dipakai di skenario bisnis nyata.

Di sisi lain, ada beberapa hal yang masih perlu ditunggu. Peluncurannya masih bertahap, Realtime API baru mendukung WebSocket, dan perbedaan biaya token antara Mini dan Max belum dijelaskan rinci di halaman yang sama. Fitur Realtime Translation, yang menerjemahkan ucapan ke bahasa lain saat orang masih bicara, juga baru tersedia untuk workspace enterprise.

Checklist

• Cek apakah opsi Voice mode Realtime sudah muncul di agen ElevenAgents.
• Mulai dari v1 Mini untuk obrolan umum, lalu pindah ke v1 Max kalau agen sering gagal memakai tool.
• Uji kualitas Bahasa Indonesia dengan skenario percakapan pelanggan yang nyata.
• Hitung biaya per menit plus token, lalu bandingkan dengan biaya layanan pelanggan manual.
• Pastikan metode pembayaran dalam dolar AS sudah siap.
• Kalau memakai OpenAI Realtime API dengan WebRTC, rencanakan migrasi ke WebSocket.

Poin penting

• Eleven Realtime dirilis pada 20 Oktober 2026 dalam dua versi, yaitu v1 Mini dan v1 Max.
• Keduanya mendukung lebih dari 90 bahasa dan 17.000+ suara.
• Harga dasar US$0,08 per menit ditambah biaya token LLM.
• Max unggul jauh untuk penalaran dan tool, Mini sedikit lebih luwes untuk obrolan santai.
• Realtime API kompatibel dengan OpenAI Realtime API dan hanya memakai WebSocket.
• Peluncuran masih bertahap ke berbagai workspace.

Referensi

1. ElevenLabs Blog (2026). Introducing Eleven Realtime: a simpler way to build natural voice agents
2. ElevenLabs (2026). Eleven Realtime: Speech to Speech Voice Agents
3. ElevenLabs (2026). ElevenAPI Pricing for creators and businesses of all sizes
4. ElevenLabs Docs (2026). Realtime models
5. ElevenLabs Docs (2026). Changelog, October 19, 2026
6. Artificial Analysis (2026). Big Bench Audio, Full-Duplex-Bench, and Speech Agent Arena evaluations
7. ProductList Daily (2026). New Product Launches: Oct 25, 2026