Fish Audio Live 3 vs Eleven Realtime v1 Max: de 186 ms en de 0,57 s zijn niet dezelfde meting

Fish Audio Live 3 en Eleven Realtime v1 Max zijn beide full-duplex spraakmodellen, beide binnen vier weken na elkaar uitgebracht, en beide worden verkocht met de bewering dat beurtwisseling thuishoort in het spraakmodel in plaats van in een pijplijn van afzonderlijke onderdelen. Fish Audio zegt dat Live 3 binnen slechts 186 milliseconden kan beslissen om te reageren. ElevenLabs' Realtime v1 Max begint na 0,57 seconden te praten. Naast elkaar gezet lijken die twee cijfers een drievoudige voorsprong voor het nieuwere model, en die interpretatie is op een manier onjuist die het waard is te begrijpen voordat iemand een contract tekent.

De getallen meten verschillende gebeurtenissen. De 186 milliseconden van Live 3 zijn Fish Audio's eigen waarde voor korte reacties — een "mm-hmm", een "okay, 415" tussen de stukjes van een telefoonnummer — niet voor een volledig antwoord. De 0,57 seconden van Max zijn een gemeten time-to-first-audio voor het antwoord zelf, gemeten met de Speech to Speech-harness van Artificial Analysis. Het ene is een door de leverancier gerapporteerde ondergrens voor een bevestiging; het andere is een geauditeerde latentie voor een antwoord. Trek ze van elkaar af en je krijgt een getal dat niets betekent, wat het nuttige uitgangspunt voor deze vergelijking is.

Wat elke leverancier daadwerkelijk heeft gepubliceerd

Eleven Realtime v1 Max is op 2026-10-20 verschenen met een volledige scorekaart. Artificial Analysis beoordeelt het op Big Bench Audio (98,8%), tijd tot eerste audio (0,57 s), taaksuccespercentage (87,1%), Full-Duplex-Bench-gespreksdynamiek (94,1%) en Arena-voorkeur (997 Elo). Het heeft geen Speech to Speech Index, omdat de agentische τ-Voice-test achter die index er niet op is uitgevoerd, en het krijgt van ElevenLabs ook geen kosten-per-uur-cijfer — de $4,80 per uur op het bord is een omrekening van ElevenLabs' tarieven per minuut voor agent en API, niet een gepubliceerde lijstprijs voor alleen het model.

Fish Audio Live 3 arriveerde op 2026-11-10 met een gedragsargument en bijna geen cijfers. Het gepubliceerde oppervlak is klein genoeg om volledig te beschrijven.

• Reactiesnelheid — 186 milliseconden, opgegeven door de leverancier, beschreven in de context van korte reacties in plaats van volledige antwoorden.

• Onafhankelijke scores — geen. Artificial Analysis bevat per 2026-11-11 geen Live 3-rij op zijn Speech to Speech-board; Fish Audio verschijnt daar als een modelfamilie, niet als een gescoorde duplex-vermelding.

• Prijs — niet gepubliceerd. De prijslijst van Fish Audio vermeldt drama-3, s2.1-pro, s2.1-pro-free, s2-pro en s1, plus drie spraak-naar-tekstmodellen en voice-design-1. Live 3 ontbreekt erin.

• Talen — Alleen Engels bij de lancering, volgens de aankondiging.

• Distributie — het Fish Agent Platform, Fish Audio's eigen API en on-premises implementatie voor enterpriseklanten.

• Architectuur — full duplex, getraind op opgenomen menselijke gesprekken, zodat bevestigen, wachten, antwoorden en stoppen aangeleerde gedragingen zijn.

Wat ElevenLabs publiceert, is het spiegelbeeld: een volledige scorecard en een ondoorzichtige eenheidsprijs. Max heeft elke rij behalve de index en de τ-Voice-test, en ElevenLabs verkoopt het niet als een zelfstandig tarief per minuut — in ElevenAgents betaal je de standaard agentkosten plus tokens tegen het Realtime-tarief, en via de Realtime API betaal je per minuut verbonden audio plus tokens.

Het gedragsargument, dat de echte competitie is

Beide leveranciers beschrijven dezelfde faalmodus en stellen dezelfde structurele oplossing voor, waardoor de vergelijking op het niveau van ideeën ongewoon helder is. ElevenLabs zegt dat spraakherkenning, beurtwisseling, redeneren en spraakgeneratie in Realtime als één systeem worden afgestemd in plaats van per onderdeel te worden gecoördineerd, en het gedocumenteerde voorbeeld van het voordeel is de backchannel: Mini zou detecteren of een spreker klaar is of slechts met een "mm-hmm" tussenwerpt. Fish Audio's versie van dezelfde bewering is een telefoonnummer dat in stukjes wordt voorgelezen — "415… 555… 0132" — waarbij Live 3 tussen de stukjes "mm-hmm" of "okay, 415" zou kunnen antwoorden en op de rest wacht.

Waar ze van elkaar afwijken, is in wat ze je laten behouden. Eleven Realtime wordt op twee manieren verkocht: binnen ElevenAgents en via een Realtime API die wire-compatibel is met OpenAI's eventprotocol op wss://api.elevenlabs.io/v1/convai/realtime, en als je binnen ElevenAgents een Realtime-model kiest, beheert ElevenLabs het LLM, de redeneerinspanning, het denkbudget, parallelle toolaanroepen, het TTS-model en de ASR-provider. Fish Audio's Agent Platform, momenteel in openbare bèta, neemt het tegenovergestelde standpunt in voor de redeneerlaag: het aangepaste LLM van een agent kan naar een OpenAI-compatibel endpoint verwijzen, dus jij kiest welk model het denkwerk doet.

Dat verschil beslist meer deployments dan de latencycijfers. Als je wilt dat de leverancier de hele stack bezit en je bereid bent custom-LLM- en Bedrock-routes af te schrijven, is ElevenAgents de kortste weg. Als de reasoninglaag het punt is waarop je product zich onderscheidt — retrieval, policy checks, toolorkestratie — dan is de custom-LLM-hook aan de Fish-kant de feature die het inkoopproces overleeft.

Kosten, en waarom de kolom Live 3 leeg is

Max kost $4.80 per uur aan inputaudio in de Artificial Analysis-conversie, tegenover een bedrag van $0.84 voor de goedkoopste sterke duplex-concurrent op die ranglijst. Dat maakt prijs tot de as waarop een nieuwe speler snel een deal kan winnen, en het is precies de as waarop Live 3 momenteel niet kan worden beoordeeld. Een kostenbedrag per oproep voor een Live 3-implementatie kan niet worden berekend uit iets wat Fish Audio heeft gepubliceerd, omdat de factureringseenheid niet is gepubliceerd.

Wat Fish Audio wél publiceert, is een tarievenkaart voor zijn andere modellen, en het is de moeite waard de vorm daarvan te kennen, want die laat zien hoe het bedrijf spraak prijst. Tekst-naar-spraak wordt gefactureerd per UTF-8-byte aan invoertekst, en Fish Audio's eigen documentatie stelt dat één miljoen UTF-8-bytes ruwweg 180.000 Engelse woorden of ongeveer twaalf uur spraak zijn. Bij het lijsttarief van drama-3 van $50 per miljoen bytes komt dat neer op ruwweg $4,17 per uur gegenereerde spraak, of ongeveer $0,83 tijdens de introductiepromotie die loopt tot en met 2026-11-30. Dat zijn afgeleide cijfers voor een ander product, niet de prijsstelling van Live 3, en minuten voor duplexagenten zijn niet dezelfde eenheid als gesynthetiseerde spraak — maar ze plaatsen de prijsschaal van Fish Audio in dezelfde bandbreedte van $1 tot $5 per uur als de rest van deze markt, in plaats van een orde van grootte daaronder.

Dit is het gedeelte waarin een routeringslaag aan beide kanten zijn bestaansrecht bewijst. OrcaRouter host geen Fish Audio Live 3 of Eleven Realtime v1 Max — geen van beide heeft een endpoint van derden, en de spraaklaag in beide stacks blijft bij de leverancier. Wat OrcaRouter wel host, is de redeneerlaag waar elk van beide naar kan worden gericht: 216 modellen achter één sleutel tegen de lijstprijs van de aanbieder, zonder enige markup, automatische failover wanneer een provider een fout geeft, en een routerings-DSL die bepaalt welk model welke aanroep afhandelt. Het praktische gevolg is dat de tokenprijslijst van geen van beide leveranciers een lock-in wordt. Als ElevenLabs de prijs van Realtime aanpast, of Fish Audio Live 3 publiceert als een tarief per byte, verandert de spraakrekening en niet de redeneerrekening, omdat de redeneerrekening vanaf het begin aan geen van beide leveranciers was gekoppeld.

Op welke moeten we nu verder bouwen?

Bouw vandaag op Eleven Realtime v1 Max als je een technische keuze moet verdedigen tegenover iemand die om een benchmark zal vragen. Het heeft een geauditeerde scorecard, een gedocumenteerd eventprotocol en een gemeten latentie die een beoordelaar kan controleren. De onbekende factor bij Max is de prijs per uur bij volume, niet de kwaliteit.

Pilot Fish Audio Live 3 als je klachtenlogboek van je agent vol staat met bellers die in de rede worden gevallen, en als je bereid bent de verbetering zelf te meten. Het cijfer van 186 milliseconden kan niet worden vergeleken met de 0,57 seconden van Max, het model heeft geen onafhankelijke score voor beurtwisseling, en de lijstprijs bestaat nog niet — dus een pilot moet worden opgezet als een geïnstrumenteerde A/B-test tegen je huidige agent, niet als een aankoopbeslissing op basis van een specblad.

Zie 186 milliseconden niet als een bewering over latentie waar je iemand aan kunt houden. Het is een uitspraak van de leverancier over hoe snel het model ervoor kan kiezen een kort geluid te maken. Het getal dat je echt belangrijk vindt — hoe lang het duurt voordat de beller de eerste lettergreep van het antwoord hoort — is door niemand voor Live 3 gepubliceerd. Zodra dat wel gebeurt, wordt de vergelijking met Max een echte vergelijking, en tot dan is het eerlijke antwoord op "welke is sneller" dat de een wordt gemeten en de ander wordt beschreven.