Come vengono misurati i valori di latenza di ElevenLabs
I valori di latenza nella pagina dei modelli sono le mediane del tempo impiegato da ElevenLabs per rispondere a una richiesta, misurate sul traffico di produzione. Escludono i round trip di rete e il tempo impiegato dalla tua applicazione prima e dopo la richiesta, quindi la latenza riscontrata dai tuoi utenti è sempre maggiore.
Valori di latenza pubblicati per i modelli ElevenLabs
Ogni valore è una mediana (p50). I valori di Text to Speech sono misurati su richieste di streaming WebSocket con voci calde: una voce calda è una voce già utilizzata per una generazione.
Le mediane variano durante il giorno in base al traffico e sono più alte nelle ore di punta. I valori in questa pagina sono stati aggiornati l’ultima volta il 29 ottobre 2026.
Cosa misurano i valori di latenza di Text to Speech?
I valori di Text to Speech indicano la latenza lato server: il tempo end-to-end dal momento in cui ElevenLabs riceve una richiesta a quello in cui invia il primo audio. La latenza lato server non include:
- Il round trip di rete tra la tua applicazione ed ElevenLabs.
- I passaggi a monte nella tua applicazione, come l’attesa della risposta di un LLM.
- Il buffering del player audio prima dell’avvio della riproduzione.
La latenza riscontrata dai tuoi utenti è il tempo al primo audio (TTFA), che aggiunge questi passaggi alla latenza lato server. Comprendere la latenza descrive ogni passaggio.
Cosa misura il valore di latenza di Scribe v2 Realtime?
Il valore di ~150 ms per Scribe v2 Realtime è la mediana del tempo alla trascrizione confermata, ricavata dalle metriche di produzione. La trascrizione in tempo reale restituisce due tipi di risultato: trascrizioni parziali mentre un segmento di parlato è in corso e una trascrizione confermata quando il segmento è definitivo. Consulta Trascrizione vocale in tempo reale per sapere come funziona la conferma.
I valori di latenza di ElevenLabs possono essere confrontati con quelli di altri provider?
Solo quando entrambi i valori misurano la stessa cosa. I valori di Text to Speech di ElevenLabs indicano la latenza lato server. Non sono confrontabili con valori di tempo al primo byte (TTFB) o TTFA misurati da un client, che includono il round trip di rete e, per TTFA, il buffering della riproduzione. Per confrontare i provider, misura il TTFA per ciascuno dallo stesso client, nella stessa regione e con lo stesso tipo di voce.
Cosa rende la latenza più alta dei valori pubblicati?
I valori di latenza pubblicati da ElevenLabs sono un riferimento per confrontare i modelli, non una garanzia per ogni richiesta. La latenza lato server è più alta della mediana pubblicata in presenza di:
- Input più lunghi.
- Clonazioni Vocali Professionali, rispetto alle Clonazioni Vocali Istantanee e alle voci predefinite.
- Carico elevato del server, quando le richieste restano in coda prima dell’avvio della generazione.
Le richieste vengono instradate al cluster di fornitura più vicino e il round trip verso di esso si aggiunge al TTFA, ma non ai valori pubblicati.
Comprendere la latenza spiega perché ciascuno di questi fattori è importante. Per misurare e ridurre la latenza nella tua applicazione, consulta Ottimizzazione della latenza.
Modelli senza un valore di latenza pubblicato
ElevenLabs non pubblica un valore di latenza per Eleven v4, Eleven v3, Eleven Multilingual v2, Scribe v3, Scribe v2 o Scribe v2 Medical. Questi modelli sono progettati per la qualità anziché per l’uso in tempo reale. I valori di latenza dei modelli in tempo reale riportati sopra non si applicano a questi modelli.
ElevenLabs non ha ancora pubblicato un valore di latenza per Scribe v3 Live. Il valore di Scribe v2 Realtime riportato sopra non si applica a questo modello.