नेविगेशन पर जाएँ

ElevenLabs की लेटेंसी के आंकड़े कैसे मापे जाते हैं

Eleven v4 Turbo, Eleven v3 Conversational, Eleven Flash और Scribe v2 Realtime के प्रकाशित लेटेंसी आंकड़े क्या मापते हैं और इनके पीछे की स्थितियां क्या हैं।

मॉडल्स पेज पर दिए गए लेटेंसी आंकड़े, प्रोडक्शन ट्रैफ़िक पर मापे गए रिक्वेस्ट का जवाब देने में ElevenLabs द्वारा लिए गए समय के मेडियन हैं। इनमें नेटवर्क राउंड-ट्रिप और रिक्वेस्ट के पहले व बाद में आपके एप्लिकेशन द्वारा लिया गया समय शामिल नहीं है, इसलिए आपके यूज़र्स को अनुभव होने वाली लेटेंसी हमेशा अधिक होती है।

ElevenLabs मॉडल्स के प्रकाशित लेटेंसी आंकड़े

मॉडलमेडियनमेट्रिक
Eleven v4 Turbo~100msसर्वर-साइड लेटेंसी
Eleven Flash v2.5~100msसर्वर-साइड लेटेंसी
Eleven Flash v2~135msसर्वर-साइड लेटेंसी
Eleven v3 Conversational~165msसर्वर-साइड लेटेंसी
Scribe v2 Realtime~150msकमिट किए गए ट्रांसक्रिप्ट तक का समय

हर आंकड़ा मेडियन (p50) है। टेक्स्ट टू स्पीच के आंकड़े वार्म वॉइसेज़ के साथ WebSocket स्ट्रीमिंग रिक्वेस्ट पर मापे जाते हैं: वार्म वॉइस वह है जिसका पहले ही किसी जनरेशन के लिए इस्तेमाल किया जा चुका है।

ट्रैफ़िक के अनुसार मेडियन दिनभर बदलते रहते हैं और पीक घंटों में सबसे अधिक होते हैं। इस पेज के आंकड़े आखिरी बार 29 अक्टूबर, 2026 को अपडेट किए गए थे।

टेक्स्ट टू स्पीच के लेटेंसी आंकड़े क्या मापते हैं?

टेक्स्ट टू स्पीच के आंकड़े सर्वर-साइड लेटेंसी हैं: ElevenLabs को रिक्वेस्ट मिलने से लेकर उसके द्वारा पहला ऑडियो वापस भेजने तक का एंड-टू-एंड समय। सर्वर-साइड लेटेंसी में शामिल नहीं है:

  • आपके एप्लिकेशन और ElevenLabs के बीच नेटवर्क राउंड-ट्रिप।
  • आपके एप्लिकेशन में अपस्ट्रीम चरण, जैसे LLM रिस्पॉन्स का इंतज़ार करना।
  • प्लेबैक शुरू होने से पहले ऑडियो प्लेयर बफ़रिंग।

आपके यूज़र्स को अनुभव होने वाली लेटेंसी टाइम-टू-फर्स्ट-ऑडियो (TTFA) है, जिसमें ये चरण सर्वर-साइड लेटेंसी में जुड़ते हैं। लेटेंसी को समझना हर चरण का वर्णन करता है।

Scribe v2 Realtime का लेटेंसी आंकड़ा क्या मापता है?

Scribe v2 Realtime के लिए ~150ms का आंकड़ा प्रोडक्शन मेट्रिक्स से लिया गया, कमिट किए गए ट्रांसक्रिप्ट तक का समय का मेडियन है। रीयल-टाइम ट्रांसक्रिप्शन दो तरह के परिणाम लौटाता है: जब भाषण का कोई सेगमेंट चल रहा हो तब आंशिक ट्रांसक्रिप्ट, और सेगमेंट अंतिम होने पर कमिट किया गया ट्रांसक्रिप्ट। कमिटिंग कैसे काम करती है, इसके लिए रीयल-टाइम स्पीच टू टेक्स्ट देखें।

क्या ElevenLabs के लेटेंसी आंकड़ों की तुलना दूसरे प्रदाताओं से की जा सकती है?

केवल तभी, जब दोनों आंकड़े एक ही चीज़ मापते हों। ElevenLabs के टेक्स्ट टू स्पीच आंकड़े सर्वर-साइड लेटेंसी हैं। इनकी तुलना क्लाइंट से मापे गए टाइम-टू-फर्स्ट-बाइट (TTFB) या TTFA आंकड़ों से नहीं की जा सकती, क्योंकि इनमें नेटवर्क राउंड-ट्रिप और TTFA के मामले में प्लेबैक बफ़रिंग शामिल होती है। प्रदाताओं की तुलना करने के लिए, एक ही क्लाइंट, रीजन और वॉइस प्रकार से प्रत्येक के लिए TTFA मापें।

प्रकाशित आंकड़ों से लेटेंसी अधिक क्यों हो सकती है?

प्रकाशित ElevenLabs लेटेंसी आंकड़े मॉडल्स की तुलना के लिए एक रेफरेंस पॉइंट हैं, हर रिक्वेस्ट की गारंटी नहीं। इन स्थितियों में सर्वर-साइड लेटेंसी प्रकाशित मेडियन से अधिक होती है:

  • लंबे इनपुट।
  • इंस्टेंट वॉइस क्लोन्स और डिफ़ॉल्ट वॉइसेज़ की तुलना में प्रोफेशनल वॉइस क्लोन्स।
  • अधिक सर्वर लोड, जब जनरेशन शुरू होने से पहले रिक्वेस्ट कतार में लगते हैं।

रिक्वेस्ट को सबसे नज़दीकी सर्विंग क्लस्टर पर रूट किया जाता है और वहां तक की राउंड-ट्रिप TTFA में जुड़ती है, लेकिन प्रकाशित आंकड़ों में नहीं।

लेटेंसी को समझना बताता है कि इनमें से हर कारक क्यों मायने रखता है। अपने एप्लिकेशन में लेटेंसी मापने और कम करने के लिए लेटेंसी ऑप्टिमाइज़ेशन देखें।

जिन मॉडल्स के लिए लेटेंसी आंकड़ा प्रकाशित नहीं है

ElevenLabs, Eleven v4, Eleven v3, Eleven Multilingual v2, Scribe v3, Scribe v2 या Scribe v2 Medical के लिए लेटेंसी आंकड़ा प्रकाशित नहीं करता। ये मॉडल्स रीयल-टाइम उपयोग के बजाय गुणवत्ता के लिए डिज़ाइन किए गए हैं। ऊपर दिए गए रीयल-टाइम मॉडल्स के लेटेंसी आंकड़े इन पर लागू नहीं होते।

ElevenLabs ने अभी तक Scribe v3 Live के लिए कोई लेटेंसी आंकड़ा प्रकाशित नहीं किया है। ऊपर दिया गया Scribe v2 Realtime का आंकड़ा इस पर लागू नहीं होता।

संबंधित