Fish Audio Live 3 לעומת Eleven Realtime v1 Max: 186 המילישניות ו-0.57 השניות אינן אותה מדידה

Fish Audio Live 3 ו-Eleven Realtime v1 Max הם שניהם מודלים קוליים בדופלקס מלא, שניהם הושקו בתוך ארבעה שבועות זה מזה, ושניהם נמכרים על בסיס הטענה שחילופי תורות שייכים למודל הדיבור עצמו ולא לצינור של רכיבים נפרדים. Fish Audio מציינת ש-Live 3 יכול להחליט להגיב בתוך 186 אלפיות שנייה בלבד. Realtime v1 Max של ElevenLabs מתחיל לדבר בתוך 0.57 שניות. כשמעמידים את שני הנתונים האלה זה לצד זה, הם נראים כמו יתרון פי שלושה למודל החדש יותר, והקריאה הזו שגויה באופן שכדאי להבין לפני שמישהו חותם על חוזה.

המספרים מודדים אירועים שונים. 186 המילישניות של Live 3 הן הנתון של Fish Audio עצמה לתגובות קצרות — "ממ-הם", "אוקיי, 415" בין המקטעים של מספר טלפון — ולא לתשובה מלאה. 0.57 השניות של Max הן זמן נמדד עד לאודיו הראשון של התגובה עצמה, שנלקח במערך Speech to Speech של Artificial Analysis. האחד הוא רצפה שדווחה על ידי הספק עבור אישור; האחר הוא השהיה מבוקרת על תגובה. אם תחסרו ביניהם, תקבלו מספר שלא אומר דבר, וזו נקודת הפתיחה השימושית להשוואה הזו.

מה כל ספק פרסם בפועל

Eleven Realtime v1 Max הגיע ב-2026-10-20 עם כרטיס ציונים מלא. Artificial Analysis מדרגת אותו לפי Big Bench Audio (98.8%), זמן עד לאודיו הראשון (0.57 ש'), שיעור הצלחה במשימות (87.1%), דינמיקת שיחה ב-Full-Duplex-Bench (94.1%) והעדפת Arena (997 Elo). אין לו Speech to Speech Index משום שמבחן τ-Voice הסוכני שמאחורי המדד הזה טרם הורץ עליו, והוא גם לא מקבל מ-ElevenLabs נתון של עלות לשעה — ה-$4.80 לשעה שמופיע בלוח הם המרה של תעריפי הסוכן וה-API לדקה של ElevenLabs, ולא מחיר מחירון מפורסם עבור המודל בלבד.

Fish Audio Live 3 הגיע ב-2026-11-10 עם טיעון התנהגותי וכמעט בלי מספרים. המשטח שפורסם קטן מספיק כדי לתאר אותו במלואו.

• מהירות תגובה — 186 אלפיות השנייה, לפי דיווח היצרן, מתוארת בהקשר של תגובות קצרות ולא תשובות מלאות.

• ציונים עצמאיים — אין. Artificial Analysis אינו מציג שורה של Live 3 בלוח ה-Speech to Speech שלו נכון ל-2026-11-11; Fish Audio מופיע שם כמשפחת מודלים, ולא כרשומת דופלקס עם ציון.

• מחיר — לא פורסם. טבלת התעריפים של Fish Audio מפרטת את drama-3, s2.1-pro, s2.1-pro-free, s2-pro ו-s1, וכן שלושה מודלים לתמלול דיבור ו-voice-design-1. Live 3 חסר ממנה.

• שפות — אנגלית בלבד בהשקה, בהתאם להכרזה.

• הפצה — פלטפורמת Fish Agent, ה-API של Fish Audio, ופריסה באתר הלקוח (on-premises) עבור לקוחות ארגוניים.

• ארכיטקטורה — דופלקס מלא, מאומנת על שיחות אנושיות מוקלטות כך שהכרה, המתנה, מענה ועצירה הן התנהגויות נלמדות.

המשטח הפומבי של ElevenLabs הוא תמונת מראה: כרטיס ניקוד מלא ומחיר יחידה אטום. ל-Max יש כל שורה מלבד האינדקס ומבחן τ-Voice, ו-ElevenLabs אינה מוכרת אותו כתעריף עצמאי לפי דקה — ב-ElevenAgents אתם משלמים את חיוב הסוכן הסטנדרטי בתוספת טוקנים בתעריף Realtime, ודרך ה-Realtime API אתם משלמים לפי דקה של אודיו מחובר בתוספת טוקנים.

טיעון ההתנהגות, שהוא התחרות האמיתית

שני הספקים מתארים את אותו מצב כשל ומציעים את אותו תיקון מבני, מה שהופך את ההשוואה לנקייה באופן יוצא דופן ברמת הרעיונות. ElevenLabs אומרת שזיהוי דיבור, ניהול תורות, הסקה ויצירת קול ב-Realtime מכוונים כמערכת אחת ולא מתואמים בין חלקים, והדוגמה המתועדת שלה לתועלת היא תגובת גב: מתואר ש-Mini מזהה אם הדובר סיים או רק מתערב עם {{1}}"mm-hmm"{{/1}}. הגרסה של Fish Audio לאותה טענה היא מספר טלפון שנקרא בקטעים — {{2}}"415… 555… 0132"{{/2}} — כאשר Live 3 עשויה להשיב "mm-hmm" או "okay, 415" ביניהם ולחכות לשאר.

המקום שבו הם נבדלים הוא במה שהם יאפשרו לך לשמור. Eleven Realtime נמכר בשתי דרכים: בתוך ElevenAgents, ודרך Realtime API שתואם ברמת החוטים לפרוטוקול האירועים של OpenAI בכתובת wss://api.elevenlabs.io/v1/convai/realtime, ובחירת מודל Realtime בתוך ElevenAgents משמעה ש-ElevenLabs מנהלת את ה-LLM, את מאמץ החשיבה, את תקציב החשיבה, את קריאות הכלים המקבילות, את מודל ה-TTS ואת ספק ה-ASR. פלטפורמת הסוכנים של Fish Audio, שנמצאת כעת בבטא ציבורית, נוקטת עמדה הפוכה לגבי שכבת החשיבה: ה-LLM המותאם של סוכן יכול להצביע על נקודת קצה תואמת OpenAI, כך שהמודל שעושה את החשיבה הוא לבחירתך.

ההבדל הזה מכריע יותר פריסות מאשר נתוני ההשהיה. אם אתם רוצים שהספק יחזיק בכל הסטאק ותהיו מוכנים לוותר על מסלולי LLM מותאם אישית ו-Bedrock, ElevenAgents הוא הדרך הקצרה יותר. אם שכבת ההיסק היא המקום שבו המוצר שלכם נבדל — שליפה, בדיקות מדיניות, תזמור כלים — וו החיבור ל-LLM מותאם אישית בצד Fish הוא הפיצ'ר שישרוד את הרכש.

עלות, ומדוע העמודה Live 3 ריקה

Max עולה $4.80 לשעת אודיו קלט בהמרת Artificial Analysis, לעומת $0.84 אצל המתחרה הדופלקסי החזק הזול ביותר בלוח הזה. זה הופך את המחיר לציר שבו מתחרה חדש יכול לזכות בעסקה במהירות, וזה בדיוק הציר שעליו Live 3 לא יכול להיות מוערך כרגע. לא ניתן לחשב עלות לכל שיחה עבור פריסת Live 3 מכל דבר ש-Fish Audio פרסמה, משום שיחידת החיוב אינה מפורסמת.

מה ש-Fish Audio כן מפרסמת הוא מחירון עבור הדגמים האחרים שלה, וכדאי להכיר את המבנה שלו משום שהוא מלמד כיצד החברה מתמחרת דיבור. המרת טקסט לדיבור מחויבת לפי בייט UTF-8 של טקסט הקלט, והתיעוד של Fish Audio עצמה מציין שמיליון בייטים של UTF-8 הם בערך 180,000 מילים באנגלית או כ-12 שעות דיבור. לפי מחיר המחירון של drama-3 של 50 דולר למיליון בייטים, זה מסתכם בכ-4.17 דולר לשעה של דיבור שנוצר, או בכ-0.83 דולר במהלך מבצע ההשקה שנמשך עד 2026-11-30. אלה נתונים נגזרים עבור מוצר אחר, לא תמחור של Live 3, ודקות סוכן דופלקס אינן אותה יחידה כמו דיבור מסונתז — אבל הן מציבות את סולם המחירים של Fish Audio באותו טווח של 1 עד 5 דולר לשעה כמו שאר השוק, ולא בסדר גודל מתחתיו.

זהו הקטע שבו שכבת ניתוב מצדיקה את קיומה בשני הצדדים. OrcaRouter אינו מארח את Fish Audio Live 3 או Eleven Realtime v1 Max — לשניהם אין נקודת קצה של צד שלישי, ושכבת הדיבור בכל אחת מהסטאקים נשארת אצל הספק שלה. מה ש-OrcaRouter כן מארח הוא שכבת ההיסק שאליה ניתן להפנות כל אחד מהם: 216 מודלים תחת מפתח אחד במחיר המחירון של הספק ללא תוספת, מעבר אוטומטי לגיבוי כאשר ספק מחזיר שגיאה, ו-DSL לניתוב שקובע איזה מודל מטפל באיזו קריאה. התוצאה המעשית היא שמחירון הטוקנים של אף אחד מהספקים לא הופך לנעילה. אם ElevenLabs תשנה את מחירי Realtime, או Fish Audio תפרסם את Live 3 בתעריף לפי בייט, חשבון הדיבור משתנה וחשבון ההיסק לא, משום שחשבון ההיסק מלכתחילה מעולם לא היה קשור לאף אחד מהספקים.

על איזה מהם לבנות עכשיו

התבסס על Eleven Realtime v1 Max היום אם אתה צריך להגן על בחירה טכנית בפני מישהו שיבקש בנצ'מרק. יש לו כרטיס ניקוד שעבר ביקורת, פרוטוקול אירועים מתועד, והשהיה מדודה שסוקר יכול לבדוק. הלא נודע ב-Max הוא המחיר לשעה בנפחים גבוהים, לא האיכות.

Pilot Fish Audio Live 3 אם יומן התלונות של הסוכן שלך מלא במקרים של מתקשרים שדיברו מעליהם, ואם אתה מוכן למדוד את השיפור בעצמך. את הנתון של 186 אלפיות השנייה אי אפשר להשוות ל-0.57 השניות של Max, ולמודל אין ציון עצמאי לחילופי תורות, ומחיר המחירון שלו עדיין לא קיים — לכן הפיילוט חייב להיות מובנה כבדיקת A/B עם מכשור מול הסוכן הנוכחי שלך, ולא כהחלטת רכש על סמך גיליון מפרט.

אל תתייחסו ל-186 אלפיות שנייה כאל טענת השהיה שאפשר לחייב בה מישהו. זוהי הצהרה של ספק לגבי כמה מהר המודל יכול לבחור להשמיע צליל קצר. המספר שבאמת חשוב לכם — כמה זמן עובר עד שהמתקשר שומע את ההברה הראשונה של התשובה — לא פורסם עבור Live 3 על ידי איש. כשיפורסם, ההשוואה עם Max תהפוך להשוואה אמיתית, ועד אז התשובה הכנה לשאלה "מה מהיר יותר" היא שאחד מהם נמדד והשני מתואר.