Comment sont mesurés les chiffres de latence d’ElevenLabs

Les chiffres de latence de la page des modèles sont des médianes du temps nécessaire à ElevenLabs pour répondre à une requête, mesurées sur le trafic de production. Ils excluent les allers-retours réseau et le temps consacré par votre application avant et après la requête. La latence ressentie par vos utilisateurs est donc toujours plus élevée.

Chiffres de latence publiés pour les modèles ElevenLabs

Chaque chiffre est une médiane (p50). Les chiffres de Text to Speech sont mesurés sur des requêtes de streaming WebSocket avec des voix préchauffées : une voix préchauffée est une voix déjà utilisée pour une génération.

Les médianes varient au cours de la journée selon le trafic et sont les plus élevées aux heures de pointe. Les chiffres de cette page ont été mis à jour pour la dernière fois le 29 octobre 2026.

Que mesurent les chiffres de latence de Text to Speech ?

Les chiffres de Text to Speech correspondent à la latence côté serveur : le temps de bout en bout entre la réception d’une requête par ElevenLabs et l’envoi du premier audio. La latence côté serveur n’inclut pas :

• L’aller-retour réseau entre votre application et ElevenLabs.
• Les étapes en amont dans votre application, comme l’attente d’une réponse de LLM.
• La mise en mémoire tampon du lecteur audio avant le début de la lecture.

La latence ressentie par vos utilisateurs est le délai avant le premier audio (TTFA), qui ajoute ces étapes à la latence côté serveur. Comprendre la latence décrit chaque étape.

Que mesure le chiffre de latence de Scribe v2 Realtime ?

Le chiffre d’environ 150 ms pour Scribe v2 Realtime est le délai médian avant transcription validée, issu des métriques de production. La transcription en temps réel renvoie deux types de résultats : des transcriptions partielles pendant qu’un segment de parole est en cours, et une transcription validée une fois le segment finalisé. Consultez Speech to Text en temps réel pour comprendre le fonctionnement de la validation.

Les chiffres de latence d’ElevenLabs peuvent-ils être comparés à ceux d’autres fournisseurs ?

Uniquement lorsque les deux chiffres mesurent la même chose. Les chiffres de Text to Speech d’ElevenLabs correspondent à la latence côté serveur. Ils ne sont pas comparables aux chiffres de délai avant le premier octet (TTFB) ou de TTFA mesurés côté client, qui incluent l’aller-retour réseau et, pour le TTFA, la mise en mémoire tampon avant lecture. Pour comparer les fournisseurs, mesurez le TTFA pour chacun depuis le même client, la même région et avec le même type de voix.

Quels facteurs augmentent la latence au-delà des chiffres publiés ?

Les chiffres de latence publiés par ElevenLabs constituent un point de référence pour comparer les modèles, et non une garantie pour chaque requête. La latence côté serveur est supérieure à la médiane publiée dans les cas suivants :

• Entrées plus longues.
• Professional Voice Clones, comparées aux Instant Voice Clones et aux voix par défaut.
• Charge élevée sur le serveur, lorsque les requêtes sont mises en file d’attente avant le début de la génération.

Les requêtes sont acheminées vers le cluster de service le plus proche, et l’aller-retour vers celui-ci s’ajoute au TTFA, mais pas aux chiffres publiés.

Comprendre la latence explique pourquoi chacun de ces facteurs est important. Pour mesurer et réduire la latence dans votre application, consultez Optimisation de la latence.

Modèles sans chiffre de latence publié

ElevenLabs ne publie pas de chiffre de latence pour Eleven v4, Eleven v3, Eleven Multilingual v2, Scribe v2 ou Scribe v2 Medical. Ces modèles sont conçus pour la qualité plutôt que pour une utilisation en temps réel. Les chiffres de latence des modèles en temps réel ci-dessus ne s’appliquent pas à eux.

Pages associées