Så mäts ElevenLabs latenssiffror

Latenssiffrorna på modellsidan är medianvärden för tiden det tar för ElevenLabs att svara på en begäran, uppmätta på produktionstrafik. De exkluderar nätverksrundresor och den tid din applikation använder före och efter begäran, så den latens dina användare upplever är alltid högre.

Publicerade latenssiffror för ElevenLabs modeller

Varje siffra är ett medianvärde (p50). Siffrorna för text till tal mäts på WebSocket-streamingbegäranden med uppvärmda röster: en uppvärmd röst är en röst som redan har använts för en generering.

Medianvärdena varierar under dagen beroende på trafiken och är som högst under högtrafik. Siffrorna på den här sidan uppdaterades senast den 29 oktober 2026.

Vad mäter latenssiffrorna för text till tal?

Siffrorna för text till tal är latens på serversidan: den totala tiden från att ElevenLabs tar emot en begäran tills det första ljudet skickas tillbaka. Latens på serversidan omfattar inte:

• Nätverksrundresan mellan din applikation och ElevenLabs.
• Uppströmssteg i din applikation, exempelvis väntan på ett LLM-svar.
• Ljudspelarens buffring innan uppspelningen börjar.

Den latens dina användare upplever är tid till första ljudet (TTFA), som lägger till dessa steg till latensen på serversidan. Förstå latens beskriver varje steg.

Vad mäter latenssiffran för Scribe v2 Realtime?

Siffran på ~150 ms för Scribe v2 Realtime är medianvärdet för tid till bekräftad transkription, baserat på produktionsmätvärden. Realtidstranskribering returnerar två typer av resultat: partiella transkriptioner medan ett talsegment pågår, och en bekräftad transkription när segmentet är avslutat. Se Tal till text i realtid för information om hur bekräftelse fungerar.

Kan ElevenLabs latenssiffror jämföras med andra leverantörers?

Endast när båda siffrorna mäter samma sak. ElevenLabs siffror för text till tal är latens på serversidan. De kan inte jämföras med siffror för tid till första byte (TTFB) eller TTFA som mäts från en klient, eftersom dessa inkluderar nätverksrundresan och, för TTFA, uppspelningsbuffring. För att jämföra leverantörer ska du mäta TTFA för varje från samma klient, region och rösttyp.

Vad gör latensen högre än de publicerade siffrorna?

ElevenLabs publicerade latenssiffror är en referenspunkt för att jämföra modeller, inte en garanti för varje begäran. Latensen på serversidan är högre än den publicerade medianen vid:

• Längre inmatningar.
• Professional Voice Clones, jämfört med Instant Voice Clones och standardröster.
• Hög serverbelastning, när begäranden köas innan genereringen startar.

Begäranden dirigeras till närmaste serverkluster, och rundresan dit läggs till TTFA men inte till de publicerade siffrorna.

Förstå latens förklarar varför var och en av dessa faktorer är viktig. För att mäta och minska latensen i din egen applikation, se Latensoptimering.

Modeller utan en publicerad latenssiffra

ElevenLabs publicerar ingen latenssiffra för Eleven v4, Eleven v3, Eleven Multilingual v2, Scribe v2 eller Scribe v2 Medical. Dessa modeller är utformade för kvalitet snarare än realtidsanvändning. Latenssiffrorna för realtidsmodellerna ovan gäller inte för dem.

Relaterat