Rime Prism מול ElevenLabs: שני מודלים של דיבור לדיבור, מספר השהיה אחד

במרווח של אחד עשר יום, שתי חברות השיקו את אותו רעיון ודיווחו על אותו מספר. Rime Prism הגיע ב-28 באוקטובר 2026 ב-0.57 שניות לשמע הראשון. Eleven Realtime v1 Max, מודל הדיבור-לדיבור מקצה-לקצה של ElevenLabs עצמה, הגיע ב-20 באוקטובר 2026 — גם 0.57 שניות. המקריות היא הדבר השימושי ביותר בהשוואה הזו, כי זה אומר שהשהיה היא לא מה שמכריע. ברגע ששני מודלים משתווים בשעון, מה שמבדיל ביניהם הוא מה שקורה בחצי השנייה, ושתי אלה מבלות אותה בדרכים הפוכות: Eleven Realtime v1 Max מקשיב ומדבר, בעוד Rime Prism כותב תחילה.

זו ההשוואה הקרובה ביותר בסבב, וזו שבה הבחירה באמת משנה, כי שני המוצרים מחליפים את כל המפל ולא רכיב אחד, ושניהם מתמחרים את האודיו בשמונה סנטים לדקה.

התשובה הקצרה

Eleven Realtime v1 Max היא הבחירה הטובה יותר כשהכיסוי ומלאי הקולות מכריעים את העסקה: יותר מ-90 שפות ולמעלה מ-17,000 קולות הם קטלוג שאין מתחרה בזוג הזה שיכול להשתוות אליו, והשקע תואם-חוטים ל-Realtime API של OpenAI, כלומר הגירה היא החלפת נקודת קצה ולא כתיבה מחדש.

Rime Prism היא הבחירה הטובה יותר כאשר מה שהסוכן אומר חייב להיות ניתן לבדיקה לפני שהוא נאמר. זהו המודל היחיד בזוג הזה שמעביר לאפליקציה מחרוזת טקסט באמצע התור עם האפשרות לשכתב או לחסום אותה, והיחיד שמציע פריסה מקומית (on-prem) או ב-VPC.

שניהם מתומחרים ב-$0.080 לדקת אודיו, והשוויון לכאורה הזה מסתיר פער אמיתי: ElevenLabs גובה $0.080 לדקה של אודיו מחובר בתוספת אסימוני מודל, בעוד Rime גובה $0.080 לדקה וללא אסימונים. בסוכן עתיר שיחות זה לא הבדל של עיגול.

מה כל חברה למעשה הודיעה

ElevenLabs השיקה משפחה, לא מודל. Eleven Realtime v1 Max הוא הווריאנט למשימות מורכבות — תמיכה, סינון לידים, כל דבר שמערב שימוש בכלים. Eleven Realtime v1 Mini הוא הווריאנט השיחתי עבור עוזרים, מורים ומדמויות. שתיהן רשתות מקצה לקצה יחידות שאוגדות זיהוי, ניהול תורות שיחה, הסקה ויצירת קול למערכת אחת במקום לשלושה שלבים תפורים. הטיעון המוצהר של ElevenLabs לכך הוא התפר: שקט מת לאחר הפסקה, דיבור מעל הפרעה, תמלול שאינו תואם את הקול. אלה ארטיפקטים של מפל עיבוד, והפתרון שמוצע הוא לכוונן את כל ארבעת השלבים יחד.

מסלול הגישה מכוון להיות משעמם, וזו מחמאה. Eleven Realtime פועל בתוך ElevenAgents דרך תפריט נפתח, או דרך Realtime API בכתובת wss://api.elevenlabs.io/v1/convai/realtime שתואמת ברמת החיבור לפרוטוקול Realtime של OpenAI — מחליפים את נקודת הקצה ואת שם המודל, וה-SDK הקיים של OpenAI עובד ללא שינוי. בעת ההשקה הוא WebSocket בלבד; אין עדיין מסלול WebRTC.

ההכרזה של Rime היא שונה במהותה. מודל אחד, Prism, ממוצב עבור מרכזי קשר ארגוניים, כאשר הטענה המבדילה היא ה-checkpoint הטקסטואלי ולא משפחה של וריאנטים. יש שכבה חינמית עם קרדיט של $50, Flex ב-$0.080/דקה, Scale ב-$0.064/דקה, ושכבת Enterprise שמוסיפה VPC ו-on-prem וכן כיוונון עדין על הקלטות שיחות של לקוחות וקולות מותאמים אישית. גם אין WebRTC, אבל יש סטרימינג, אינטגרציות עם LiveKit ו-Pipecat, טלפוניה של 8 kHz, ו-SOC 2 עם הצהרות HIPAA.

פרט אחד שראוי לציין בפני כל מי שמתכנן השקה: ElevenLabs מתארת את Eleven Realtime כמודל שנפרס בהדרגה, ומזהי המודל קיימים ב-changelog שלה מאז תחילת אוגוסט. התאריך 20 באוקטובר הוא מועד ההכרזה. אם המודל אינו מופיע בחשבונכם בתפריט הנפתח של ElevenAgents, מדובר בשחרור מדורג ולא בתצורה שגויה.

נקודת הביקורת היא ההבדל האמיתי

שני המודלים פועלים מקצה לקצה. רק אחד מהם משאיר ארטיפקט טקסטואלי שאפשר לפעול עליו לפני שהמתקשר שומע משהו.

Eleven Realtime v1 Max עובר מקלט אודיו לפלט אודיו. יש תמלול בצד השני של השיחה, ויש פרומפט מערכת במעלה הזרם שלו, אבל אין נקודה בתור שבה האפליקציה שלך מחזיקה את המשפט הבא של הסוכן כמחרוזת ומחליטה אם לשלוח אותו. זו לא ביקורת — זו הארכיטקטורה ש-ElevenLabs בחרה, וזו הארכיטקטורה שמייצרת את הטבעיות שהחברה מוכרת. קיפול ארבעה שלבים לרשת אחת הוא בדיוק מה שמסיר את התפר הניתן לבדיקה.

Prism שומר על התפר. Rime אומרת שהמודל מנסח את תגובתו כטקסט, האפליקציה יכולה לשכתב, לחסום, לתייג או לתקן הגייה בטקסט הזה, והאודיו בא בעקבותיו. קריאות לכלים פועלות במקביל לדיבור ולא לפניו. הטענה שזה אינו מפל נשענת על כך שהחשיבה מתרחשת על גבי האודיו — טון, היסוס ורעש רקע משפיעים על התגובה — כשהטקסט הוא נקודת ציון בפלט ולא קלט.

עבור צוות ציות, ההבדל הזה הוא כל תהליך הרכש. האמירה "הסוכן אינו יכול לומר X" ניתנת לאכיפה ב-Prism ברמת המשפט, וב-Eleven Realtime ניתן לאכוף אותה רק ברמת הפרומפט, כלומר באופן הסתברותי. עבור צוות מוצר שבונה דמות או חונך, ההיפך הוא הנכון: נקודת הביקורת היא תקורה, והטבעיות שמגיעה מרשת אחת מכווננת היא המוצר.

שני מספרים של 0.57 שנייה שאינם אותה מדידה

השוויון אמיתי, אך הכלים שונים, וההבדל הזה משנה אם בכוונתך לצטט כל אחד משני הנתונים.

הנתון של 0.57 שניות של Eleven Realtime v1 Max הוא מדידת Artificial Analysis — צד שלישי הריץ אותה, לפי אותו שעון שבו השתמש עבור רשומות ה-speech-to-speech האחרות שלו, ופרסם אותה. Eleven Realtime v1 Mini מגיע ל-0.62 שניות על אותו מכשיר מדידה.

0.57 השניות של Prism הן נתון של Rime עצמה, שהופק במערכת הבדיקה τ-Voice שגם Artificial Analysis משתמשת בה, אך הורץ על ידי Rime. ל-Prism לא הייתה רשומה פומבית בלוח הדירוג בעת ההשקה. לכן למספר אחד יש שופט ולשני אין, אף ששניהם אותו ערך עד שתי ספרות אחרי הנקודה העשרונית. הצגתם זה לצד זה כשוויון היא מוצדקת; הצגתם כראיות שקולות אינה.

שאר הציונים מתבדלים בחדות, ושוב בכלים שונים. Eleven Realtime v1 Max מגיע ל-98.8% ב-Big Bench Audio לעומת 75.9 עד 76% אצל Mini, להצלחת משימה של 87.1% לעומת 60.3%, ל-Full-Duplex-Bench של 94.1 לעומת 95.8%, ול-Arena Elo של כ-997 עד 998 לעומת 988. הוא גם ללא ציון ב-Speech-to-Speech Index ואינו נושא ציון סוכני τ-Voice — כך שאין מספר מפורסם שמעמיד את Eleven Realtime v1 Max ואת Prism על אותו ציר כלל. כל מי שמציב את 56.6 של Prism מול 98.8 של ElevenLabs משווה מדד להשלמת משימה למדד לאיכות אודיו ומקבל פער חסר משמעות של 42 נקודות.

פער המחיר נמצא בשורת הטוקן

על פניו, שני המוצרים עולים שמונה סנטים לדקה. עיון בכרטיסי התעריפים מראה שזה לא כך.

• ElevenLabs — $0.080 לדקת אודיו מחובר, בתוספת טוקני מודל. התעריף של Eleven Realtime v1 Mini הוא $0.20 לקלט ו-$6.00 לפלט למיליון טוקנים; v1 Max הוא $1.80 לקלט ו-$9.00 לפלט. חריגת Burst מכפילה את תעריף האודיו ל-$0.16 לדקה. בתוך ElevenAgents התעריף הסטנדרטי הוא $0.08 לדקה בתוספת טוקני LLM.

• Rime — $0.080 לדקה של אודיו Prism ב-Flex, $0.064 ב-Scale, ללא חיוב טוקנים נוסף. שכבת החינם כוללת זיכוי שימוש בסך $50 עבור Prism, Mist v3, Coda v2 ו-Rime STT.

העלות של שורת הטוקנים עבורך תלויה לחלוטין בכמה הסוכן חושב. שיחת תמיכה בת חמש דקות שבה הסוכן מבצע שמונה סבבים, וכל סבב מנמק על פני כמה אלפי טוקנים, אינה חינם בתעריף של $1.80 למיליון טוקני קלט ו-$9.00 למיליון טוקני פלט ב-Max — זהו מונה שני שפועל לצד הראשון. עבור עוזר קצר ועתיר אישורים ב-Mini, שורת הטוקנים היא רעש. עבור פריסת Max שמבצעת תזמור כלים אמיתי, היא יכולה להתחרות בחיוב האודיו.

לשעת הדקה הקבועה של Rime יש מלכודת משלה, והיא דווקא ההפוכה. Prism מחייבת לפי אודיו השיחה ולא לפי דיבור הסוכן, כך ששיחה עם מתקשר פטפטן עולה בדיוק כמו שיחה שבה הסוכן לא מפסיק לדבר. אם השיחות שלכם נוטות לתורות סוכן קצרים ותורות לקוח ארוכים, תעריף הדקה של Prism הוא היקר מבין השניים — בפער שאין לו דבר עם המודלים.

הרץ מודל לשני המונים על בסיס התפלגות השיחות שלך לפני שאתה מתחייב. אף אחד מהספקים לא מפרסם מחשבון, ומחיר הכותרת של שמונה סנטים הוא ממש לא המספר שכל אחד מהם יגבה ממך.

כיסוי, קולות ושאלת הפריסה

ElevenLabs מנצחת בכיסוי הלשוני באופן כה מוחץ עד שכדאי לומר זאת בגלוי ולא לקבור את זה: יותר מ-90 שפות ויותר מ-17,000 קולות. Rime אינה מפרסמת כלל את מספר השפות או מלאי הקולות של Prism, אף שהמוצרים הנפרדים שלה לטקסט-לדיבור מפרסמים את שלהם, ואין להסיק מאותם נתונים על Prism.

חוסר הסימטריה הזה לבדו מכריע נתח ניכר מהפריסות בפועל. קמעונאי אירופי שמשיק בתשעה שווקים אינו צריך לקרוא את המשך המאמר הזה.

הפריסה היא המקום שבו התמונה מתהפכת. Rime מציעה VPC ו-on-prem ב-Enterprise, לצד ענן, וכן אפשרות של נקודת קצה co-located עבור מודלי ה-TTS שלה. Eleven Realtime בהשקה הוא שירות WebSocket מתארח. הטיעון של Rime — שממשקי API בזמן אמת מן החזית הם בענן בלבד, בעוד ש-Prism מאפשרת לך לשלוט היכן האודיו נמצא — הוא בידול אמיתי עבור מגזר הבריאות, השירותים הפיננסיים וכל קונה שיש בחוזה סעיף ריבונות נתונים. Rime מצהירה על SOC 2 ו-HIPAA עבור Prism; ElevenLabs מוכרת הסכמי Enterprise עם DPAs ו-BAAs בתנאים שלה. אפשר לגרום לשניהם לעמוד בבדיקת ציות, ורק אחד מהם יכול לעמוד בדרישה ש"האודיו לעולם לא עוזב את הבניין שלנו".

כיוונון עדין הוא האסימטריה האחרת, והוא מצביע לאותו כיוון. Rime אומרת ש-Prism ניתנת לכיוונון עדין על הקלטות השיחות של הלקוח עצמו, עם ממשקי API לשירות עצמי של RL ו-SFT בגרסת בטא. משטח הכיוונון של ElevenLabs הוא ברמת הקול — שיבוט, תהליכי עבודה מקצועיים לקול, הגדרות סגנון ויציבות — ולא מודל אקוסטי והסקתי מותאם אישית שאומן על השיחות שלכם. אם המטרה היא "להישמע כמו המותג שלנו", זו בעיה פתורה בצד של ElevenLabs. אם המטרה היא "להשתפר בזרימת ההזמנות הספציפית שלנו", רק אחד מאלה מציע את זה.

היכן OrcaRouter מתאים, והיכן לא

לא Prism ולא Eleven Realtime נמצאים בקטלוג שלנו. Prism נמכר ישירות על ידי Rime; דגמי Eleven Realtime נמכרים ישירות על ידי ElevenLabs ובאמצעות כמה פלטפורמות צד שלישי. אם תבחרו באחד מהם, אתם קונים מהספק, והמאמר הזה לא יעמיד פנים אחרת.

הסיבה ש-OrcaRouter עדיין שייך להחלטה הזו היא שמודלי דיבור מקצה לקצה לא מסירים כל מודל מהסטאק שלך. שני המוצרים האלה עדיין זקוקים לשכבת מדיניות, לשלב אחזור, למסווג ולמסלול הסלמה, ואלה הן קריאות מודל רגילות. מפתח אחד מכסה יותר מ-200 מודלים בתוספת של 0% מעל מחיר המחירון של הספק, כך שמודל guardrail זול ומודל הסלמה יקר יושבים מאחורי נקודת קצה אחת עם failover אוטומטי — וזה החלק החשוב בשיחה חיה, שבה ספק שנתקע אינו ניתן להבחנה מקו שנפל. ה-DSL של הניתוב הוא הדרך לבטא "להשאיר את ההודעה המקומית וזולה, להסלים את החיפוש", והכלל הזה שווה לכתוב פעם אחת בשער במקום שלוש פעמים בסוכן.

אם מה שאתה באמת רוצה הוא קסקדה עם סינתזה מתארחת, openai/tts-1-hd ו-google/gemini-3.1-flash-tts-preview נמצאים על אותו מפתח במחיר מחירון. כלים שונים, אותו חשבון.

איך להחליט תוך עשר דקות

שלוש שאלות, לפי הסדר, ועצור בראשונה שתענה עליה "כן".

האם אתה צריך לפעול ביותר מכמה שפות, או שאתה זקוק לקול ספציפי מתוך מלאי עצום? Eleven Realtime v1 Max או v1 Mini. הקטלוג הוא המוצר, ו-Prism אינה מפרסמת קטלוג בר-השוואה.

האם משהו שהסוכן שלך אומר חייב להיות מאושר לפני שהמתקשר שומע אותו, או שהאודיו חייב להישאר בתוך הרשת שלך? Rime Prism. הצ'קפוינט ושכבת ה-on-prem הם שני הדברים ש-ElevenLabs לא מציעה כאן, והם לא תכונות שאפשר להוסיף אחר כך.

אם אף אחד משני אלה אינו מחייב, והגורם המכריע הוא עלות, הרץ את שני המונים על נתוני הקריאות שלך, כי כותרת שמונת הסנטים שווה ושורת הטוקנים לא. עוזר עם תור קצר וחשיבה מועטה על Mini ינצח את Prism במחיר. פריסת Max עתירת כלים כנראה שלא.

הדבר הבא שכדאי לעקוב אחריו הוא המספר האחד שיכריע את זה. ל-Eleven Realtime v1 Max אין ציון τ-Voice, ול-Prism אין ציון עצמאי. אם אחד מהמודלים יגיע לטבלת מובילים ציבורית שתימדד על ידי מישהו אחר מלבד הספק שלו, ההשוואה הזו תתקצר בהרבה. עד אז השניים נמצאים בתיקו על 0.57 שניות בשני שעוני עצר שונים, והשאר הוא ארכיטקטורה.

שורה אחרונה על המספרים שלעיל: הציונים של Eleven Realtime הם נתונים של Artificial Analysis, כרטיסי המחיר הם של הספקים עצמם, וה-56.6 של Prism הוא של Rime. שום כלי במאמר הזה לא מעמיד את שני המודלים על ציר אחד, ולכן הכתבה מאורגנת סביב ארכיטקטורה וכיסוי ולא סביב לוח תוצאות.