Phonic 1 vs ElevenLabs: Quanto un fornitore deve pagarti per andartene dice molto sulla lotta

Il numero più informativo nel confronto Phonic 1contro ElevenLabsnon è un benchmark. È uno sconto. L'offerta di lancio di Phonic, come riportato alla fine di ottobre 2026, comprende tre mesi gratuiti per i team che passano da ElevenLabs o Bland, più 250 $ di crediti per chiunque si registri prima del 30 novembre. Nessuno sovvenziona una migrazione contro un fornitore che si aspetta di superare sul prodotto. La sovvenzionano contro un fornitore i cui clienti sono vincolati da qualcosa di diverso dal modello.

Quel qualcosa è il punto centrale di ElevenLabs: una libreria vocale con oltre 17.000 voci, più di 90 lingue, una linea di sintesi vocale che resta ancora lo standard di riferimento per l'audio renderizzato e una piattaforma di agenti costruita attorno a tutto questo. Phonic 1 è un solo modello con un solo conto. ElevenLabs è un'azienda dentro cui hai costruito il tuo prodotto. Il confronto ha senso solo se tieni a mente queste due forme, perché su una classifica di benchmark la risposta è netta, mentre in una decisione di approvvigionamento non lo è.

Eleven Realtime v1 Max è il modello, ed è più recente di quanto pensi.

L'ingresso di ElevenLabs nella sintesi vocale da voce a voce è Eleven Realtime v1 Max, annunciato il 20 ottobre 2026 in un rilascio progressivo insieme a un v1 Mini più piccolo. Sono dieci giorni prima della copertura del lancio di Phonic 1 — non si tratta di un leader consolidato messo in difficoltà da un nuovo arrivato. Sono due modelli che sapevano a malapena l'uno dell'altro quando sono stati rilasciati.

• Eleven Realtime v1 Max — indice speech-to-speech 77,3, ragionamento 99, dinamiche conversazionali 94,1, agentic 47,6, preferenza arena 990, successo nei compiti 87,1%, tempo al primo audio 0,57 s.

• Phonic 1 (High) — indice speech-to-speech 87,1, ragionamento 99, dinamiche conversazionali non riportate, agentico 79,9, preferenza arena 1.012, successo del compito 92,3%, tempo al primo audio 0,61 s.

• Eleven Realtime v1 Mini — indice speech-to-speech 64,4, ragionamento 76, dinamica 95,8, agentico 46,8, arena 981, successo del compito 60,3%, tempo al primo audio 0,62 s.

Tutti i dati sopra riportati sono di Artificial Analysis, non di nessuno dei due fornitori. Nota cosa dice e cosa non dice il confronto. Phonic vince l'indice composito di 9,8 punti e la componente agentica di 32,3: un divario così ampio che è l'unico numero di questo confronto che dovrebbe cambiare un'architettura. Vince la preferenza dell'arena di 22 punti su una scala in cui una differenza Elo di 22 punti è reale ma non decisiva. Vince il successo nei compiti di 5,2 punti. Sulla latenza perde, di poco, con 0,61 s contro 0,57 s, ed entrambi restano sotto la soglia del secondo che conta per una telefonata.

Il divario che dovrebbe davvero orientare la tua decisione

La performance agentica, 79,9% contro 47,6%, è il numero su cui soffermarsi. Misura se il modello è in grado di completare un’attività che richiede di chiamare strumenti e agire sul risultato, non semplicemente se sa sostenere una conversazione — ed è l’unico ambito in cui un laboratorio più piccolo e più recente ha battuto un’azienda con 17.000 voci e un decennio di superficie di prodotto. Se il compito del tuo agente è cercare qualcosa, prenotare qualcosa o modificare qualcosa mentre l’interlocutore aspetta, questo è il dato che predice se il tuo tasso di completamento sopravvive al contatto con utenti reali.

Il punteggio di 94,1 di ElevenLabs nelle dinamiche conversazionali, contrapposto a quello non riportato di Phonic, è la lacuna onesta nel tabellone di Phonic, e la struttura stessa di Artificial Analysis spiega perché non compaia nell'indice principale. Il valore composito è una media ponderata di quattro componenti — ragionamento vocale, prestazioni agentiche, preferenza dell'arena e tasso di successo del compito — e le dinamiche conversazionali vengono riportate accanto all'indice senza essere uno dei suoi input. Quindi l'assenza del dato sulle dinamiche non costa nulla a Phonic sull'87,1 e ti dice qualcosa che l'indice non può: nessuno ha ancora misurato quanto bene il modello sostenga una conversazione lunga, disordinata e con autointerruzioni. Finché quella colonna non sarà compilata, le affermazioni secondo cui Phonic suonerebbe anche più naturale di ElevenLabs sono prive di supporto in entrambe le direzioni.

Quanto ti costa davvero il passaggio, in cose che non sono il modello

Il prezzo è l'argomento con cui Phonic parte, e sulla tariffa di riferimento ha ragione. Il piano starter di Phonic costa $0,07 al minuto di conversazione, senza pass-through dei token. Eleven Realtime v1 Max costa $0,080 al minuto di audio connesso più i token del modello a $1,80 per milione in input e $9,00 per milione in output — e oltre il tuo limite di concorrenza la tariffa schizza a $0,160. La tariffa al minuto è la metà visibile.

• Tariffa di riferimento — Phonic 1 0,07 $/min (livello Pro 0,065 $ con un minimo mensile di 200 $) rispetto a Eleven Realtime v1 Max 0,080 $/min.

• Cosa non include la tariffa — Phonic 1 dichiara che non ci sono costi per token o per LLM; Eleven Realtime v1 Max addebita i token del modello in aggiunta alla tariffa al minuto e applica una tariffa doppia al traffico burst.

• Inventario vocale — ElevenLabs mette a disposizione oltre 17.000 voci e più di 90 lingue; Phonic 1 dichiara oltre 50 lingue con passaggio a metà conversazione che conserva la stessa voce.

Distribuzione — Phonic 1 offre cloud, single-tenant, VPC peering e self-host; ElevenLabs è una piattaforma ospitata, e le sue stesse note di rilascio segnalavano i modelli in tempo reale come non disponibili in alcuni ambienti con residenza dei dati al momento del lancio.

• Struttura dell'API — Eleven Realtime v1 Max è compatibile con OpenAI Realtime tramite WebSocket, senza WebRTC al lancio; Phonic 1 gestisce un endpoint WebSocket a PCM 24 kHz in entrambe le direzioni con dichiarazioni di strumenti inline.

Tre mesi gratis sono un numero reale, ed è anche un errore di arrotondamento rispetto al costo della migrazione. L'identità vocale è l'elemento che non compare su nessuna pagina di confronto. Se il tuo agente di produzione parla con una voce di marca clonata, quella voce risiede nella libreria di ElevenLabs secondo i termini di ElevenLabs; Phonic offre la clonazione, ma una voce clonata non è un file trasferibile e una nuova clonazione produce una voce diversa, non la stessa. I team che hanno costruito un marchio attorno a un timbro specifico dovrebbero includerlo nel prezzo prima di stabilire la tariffa al minuto.

C'è un secondo problema di portabilità, più silenzioso. Un agente ElevenLabs è uno stack: la voce, il prompt, gli strumenti, il flusso di conversazione. Spostare il modello significa ricostruire il flusso, e le definizioni degli strumenti non arrivano con esso. È proprio in quel collante che una migrazione di solito fallisce, ed è anche lo strato che conviene possedere direttamente invece di affittarlo da un unico fornitore. La componente di ragionamento e chiamata degli strumenti di un agente è quella che oggi gira su OrcaRouter — una sola chiave per 200+ modelli a prezzo di listino senza ricarico, una regola di routing che mantiene a basso costo i turni a basso costo, e il failover automatico così che un'interruzione momentanea del provider non si trasformi in silenzio durante una chiamata in corso. Né Phonic 1 né Eleven Realtime v1 Max sono nel nostro catalogo; ciascuno proviene ancora dal proprio fornitore. La differenza è ciò che conservi quando te ne vai.

Dove ElevenLabs è ancora la risposta giusta

La linea TTS di ElevenLabs resta l'opzione predefinita più ragionevole per tutto ciò che non è un agente live. Il suo modello vocale Eleven v4 si colloca intorno a 1.157 Elo nell'arena controllata per le voci di Artificial Analysis, a circa $80 per milione di caratteri, ed Eleven v3 a $100 per milione di caratteri — entrambi ben al di sopra dei $49 normalizzati di Cartesia Sonic 3.6, e entrambi se lo guadagnano per narrazione, audiolibri, doppiaggio e annunci di marca in cui l'audio è il prodotto.

Se il tuo caso d'uso è "leggere questo testo in modo splendido con la nostra voce di marca", la questione ElevenLabs contro Phonic 1 non è competitiva. Phonic non vende un motore di narrazione generico; vende un agente conversazionale. Acquistare un modello speech-to-speech per rendere un testo scritto significa pagare per una capacità di ragionamento che non userai mai, e ottenere una qualità vocale che non è stata valutata in modo indipendente al di sopra di quella di ElevenLabs sull'arena che misura esattamente questo.

C'è anche la questione dell'ampiezza e della maturità. Oltre 90 lingue contro oltre 50, più di 17.000 voci contro un set curato, e una piattaforma con un prodotto agentico, un SDK e un changelog che il tuo team già legge. Sono cose che un modello appena lanciato non ha avuto il tempo di accumulare.

A chi è realmente destinato lo sconto

L'offerta per il passaggio a un altro fornitore ha senso per un acquirente specifico: un team il cui agente svolge un lavoro transazionale reale, la cui identità vocale è generica o può essere ricreata internamente, e il cui stack attuale è ElevenAgents end-to-end. Per quel team, il divario agentico è un problema di prodotto, tre mesi gratis sono una vera copertura contro una migrazione che potrebbe fallire, e la tariffa flat al minuto elimina un esercizio di modellazione che il loro team finanziario svolge ogni mese.

Tutti gli altri dovrebbero aspettare e vedere cosa pubblicherà Phonic in seguito. Due cose risolverebbero la questione: un punteggio di dinamica conversazionale sulla stessa classifica, in modo che la quarta componente dell'indice smetta di essere un'assunzione, e una misurazione indipendente dell'affermazione del fornitore sul tool calling durante il parlato al di fuori di una demo. Nessuna delle due esiste ancora. Un modello che ha una settimana di vita, ha una sola classifica alle spalle e non ha mai affrontato un Black Friday non è qualcosa su cui migrare una linea di ricavi — ma è esattamente il tipo di cosa da mettere dietro un percorso di failover e misurare rispetto al proprio traffico per un mese.

Il riassunto onesto è asimmetrico. Phonic 1 è migliore in ciò che è più difficile da costruire e più facile da misurare: portare a termine un compito agentico. ElevenLabs è migliore in tutto ciò che lo circonda ed è più difficile da misurare: identità vocale, copertura linguistica e un prodotto che il tuo team già conosce. I tre mesi gratuiti non sono un verdetto su nessuno dei due. Sono l’ammissione di un fornitore che sono le cose circostanti a fidelizzare i clienti, e una scommessa che abbastanza di esse possano essere ricostruite in novanta giorni.