Zur Navigation springen

So werden die Latenzwerte von ElevenLabs gemessen

Was die veröffentlichten Latenzwerte für Eleven v4 Turbo, Eleven v3 Conversational, Eleven Flash und Scribe v2 Realtime messen und unter welchen Bedingungen sie ermittelt werden.

Die Latenzwerte auf der Modellseite sind Mediane der Zeit, die ElevenLabs für die Beantwortung einer Anfrage benötigt, gemessen im Produktionsdatenverkehr. Sie schließen Netzwerk-Roundtrips und die Zeit aus, die Ihre Anwendung vor und nach der Anfrage benötigt. Die von Ihren Nutzern wahrgenommene Latenz ist daher immer höher.

Veröffentliche Latenzwerte für ElevenLabs-Modelle

ModellMedianMesswert
Eleven v4 Turbo~100msServerseitige Latenz
Eleven Flash v2.5~100msServerseitige Latenz
Eleven Flash v2~135msServerseitige Latenz
Eleven v3 Conversational~165msServerseitige Latenz
Scribe v2 Realtime~150msZeit bis zum finalen Transkript

Jeder Wert ist ein Median (p50). Die Text-to-Speech-Werte werden bei WebSocket-Streaming-Anfragen mit aufgewärmten Stimmen gemessen: Eine aufgewärmte Stimme wurde bereits für eine Generierung verwendet.

Die Mediane variieren im Tagesverlauf mit dem Datenverkehr und sind in Spitzenzeiten am höchsten. Die Werte auf dieser Seite wurden zuletzt am 29. Oktober 2026 aktualisiert.

Was messen die Text-to-Speech-Latenzwerte?

Die Text-to-Speech-Werte sind serverseitige Latenz: die End-to-End-Zeit vom Eingang einer Anfrage bei ElevenLabs bis zum Senden des ersten Audios. Serverseitige Latenz umfasst nicht:

  • Den Netzwerk-Roundtrip zwischen Ihrer Anwendung und ElevenLabs.
  • Vorgelagerte Schritte in Ihrer Anwendung, etwa das Warten auf eine LLM-Antwort.
  • Die Pufferung im Audioplayer, bevor die Wiedergabe startet.

Die von Ihren Nutzern wahrgenommene Latenz ist die Zeit bis zum ersten Audio (TTFA). Sie addiert diese Phasen zur serverseitigen Latenz. Latenz verstehen beschreibt jede Phase.

Was misst der Latenzwert von Scribe v2 Realtime?

Der Wert von ~150 ms für Scribe v2 Realtime ist die mediane Zeit bis zum finalen Transkript, basierend auf Produktionsmetriken. Die Echtzeit-Transkription liefert zwei Arten von Ergebnissen: Teiltranskripte, während ein Sprachsegment läuft, und ein finales Transkript, sobald das Segment abgeschlossen ist. Wie das Finalisieren funktioniert, erfahren Sie unter Echtzeit-Spracherkennung.

Können die Latenzwerte von ElevenLabs mit denen anderer Anbieter verglichen werden?

Nur wenn beide Werte dasselbe messen. Die ElevenLabs-Text-to-Speech-Werte beziehen sich auf die serverseitige Latenz. Sie sind nicht mit Time-to-First-Byte-Werten (TTFB) oder TTFA-Werten vergleichbar, die von einem Client gemessen werden. Diese enthalten den Netzwerk-Roundtrip und bei TTFA zusätzlich die Wiedergabepufferung. Um Anbieter zu vergleichen, messen Sie TTFA für jeden Anbieter vom selben Client, aus derselben Region und mit demselben Stimmtyp.

Was erhöht die Latenz gegenüber den veröffentlichten Werten?

Die veröffentlichten Latenzwerte von ElevenLabs sind ein Referenzpunkt für den Vergleich von Modellen, keine Garantie für jede Anfrage. Die serverseitige Latenz liegt über dem veröffentlichten Median bei:

  • Längeren Eingaben.
  • Professional Voice Clones im Vergleich zu Instant Voice Clones und Standardstimmen.
  • Hoher Serverauslastung, wenn Anfragen vor Beginn der Generierung in eine Warteschlange gestellt werden.

Anfragen werden an den nächstgelegenen Serving-Cluster geleitet. Der Roundtrip dorthin erhöht TTFA, ist aber nicht in den veröffentlichten Werten enthalten.

Latenz verstehen erklärt, warum jeder dieser Faktoren relevant ist. Informationen zum Messen und Reduzieren der Latenz in Ihrer eigenen Anwendung finden Sie unter Latenzoptimierung.

Modelle ohne veröffentlichten Latenzwert

ElevenLabs veröffentlicht keinen Latenzwert für Eleven v4, Eleven v3, Eleven Multilingual v2, Scribe v3, Scribe v2 oder Scribe v2 Medical. Diese Modelle sind auf Qualität statt auf Echtzeitanwendungen ausgelegt. Die Latenzwerte der oben genannten Echtzeitmodelle gelten nicht für sie.

ElevenLabs hat noch keinen Latenzwert für Scribe v3 Live veröffentlicht. Der obige Wert für Scribe v2 Realtime gilt nicht dafür.

Verwandte Themen