ElevenLabs 延迟数据的测量方式
了解已发布的 Eleven v4 Turbo、Eleven v3 Conversational、Eleven Flash 和 Scribe v2 Realtime 延迟数据衡量的内容及其测量条件。
模型页面上的延迟数据,是 ElevenLabs 处理生产流量时响应请求所需时间的中位数。这些数据不包括网络往返时间,也不包括应用在请求前后所花费的时间,因此用户实际体验到的延迟始终更高。
ElevenLabs 模型的已发布延迟数据
所有数据均为中位数(p50)。文本转语音数据通过使用预热音色的 WebSocket 流式请求测量:预热音色 是指已用于生成过的音色。
中位数会随全天流量变化,并在高峰时段达到最高。此页面的数据最后更新于 2026 年 10 月 29 日。
文本转语音延迟数据衡量什么?
文本转语音数据是服务端延迟:从 ElevenLabs 收到请求到发回首段音频的端到端时间。服务端延迟不包括:
- 应用与 ElevenLabs 之间的网络往返时间。
- 应用中的上游步骤,例如等待 LLM 响应。
- 播放开始前音频播放器的缓冲。
用户体验到的延迟是首段音频时间(TTFA),即在服务端延迟基础上加上这些阶段。了解延迟 介绍了各个阶段。
Scribe v2 Realtime 的延迟数据衡量什么?
Scribe v2 Realtime 约 150ms 的数据是从生产指标中得出的至提交转写文本的时间中位数。实时转写会返回两类结果:语音片段进行中返回的部分转写文本,以及片段最终确定后返回的已提交转写文本。有关提交机制,请参阅实时语音转文本。
ElevenLabs 延迟数据能与其他服务商比较吗?
仅当两组数据衡量的是同一内容时才能比较。ElevenLabs 的文本转语音数据为服务端延迟,无法与从客户端测量的首字节时间(TTFB)或 TTFA 数据相比,因为后者包括网络往返时间,而 TTFA 还包括播放缓冲。要比较服务商,请从同一客户端、区域和音色类型测量各自的 TTFA。
哪些因素会使延迟高于已发布数据?
已发布的 ElevenLabs 延迟数据可作为比较模型的参考,并不保证每个请求都能达到。以下情况的服务端延迟会高于已发布的中位数:
- 更长的输入。
- 与即时语音克隆和默认音色相比,专业语音克隆的延迟更高。
- 服务器负载较高,导致请求在生成开始前排队。
请求会路由至最近的服务集群,到达该集群的往返时间会增加 TTFA,但不计入已发布数据。
了解延迟 说明了这些因素为何重要。要测量并降低应用中的延迟,请参阅延迟优化。
未发布延迟数据的模型
ElevenLabs 未发布 Eleven v4、Eleven v3、Eleven Multilingual v2、Scribe v3、Scribe v2 或 Scribe v2 Medical 的延迟数据。这些模型专为质量而非实时使用设计。上述实时模型的延迟数据不适用于它们。
ElevenLabs 尚未发布 Scribe v3 Live 的延迟数据。上述 Scribe v2 Realtime 数据不适用于它。