Phonic 1 对比 ElevenLabs：供应商愿付多少钱让你离开，透露了这场竞争的真相

最具信息量的数字在Phonic 1与ElevenLabs的对比中并不是某项基准测试成绩，而是一个折扣。据2026年10月底的报道，Phonic 的上线优惠包括为从 ElevenLabs 或 Bland 转投的团队提供三个月免费使用，以及为在11月30日前注册的任何人提供250美元额度。没有人会补贴一场迁移，去对抗一个他们预期能在产品上击败的供应商。他们补贴迁移，针对的是一个客户被模型之外的东西锁定的供应商。

那个东西正是 ElevenLabs 的全部意义所在：一个拥有超过 17,000 种声音、90 多种语言的语音库，一条至今仍是合成音频参考标准的文本转语音产品线，以及围绕它构建的智能体平台。Phonic 1 是一个模型、一份账单。ElevenLabs 则是一个你已将产品构建于其中的公司。只有把这两种形态记在心里，这个比较才有意义，因为在基准测试排行榜上答案很干脆，而在采购决策上则并非如此。

Eleven Realtime v1 Max 就是这款模型，而且它比你想象的更新。

ElevenLabs 的语音到语音产品是 Eleven Realtime v1 Max，于 2026 年 10 月 20 日以滚动发布的形式公布，同期还有较小的 v1 Mini。这比 Phonic 1 的发布报道早十天——这并不是一个成熟的老牌产品受到新来者的挑战。而是两个在发布时几乎互不知晓的模型。

Eleven Realtime v1 Max — 语音到语音指数 77.3，推理 99，对话动态 94.1，智能体 47.6，竞技场偏好 990，任务成功率 87.1%，首段音频延迟 0.57 秒。

• Phonic 1 (High) — 语音转语音指数 87.1，推理 99，对话动态未报告，智能体能力 79.9，竞技场偏好 1,012，任务成功率 92.3%，首个音频时间 0.61s。

• Eleven Realtime v1 Mini — 语音到语音指数 64.4，推理 76，动态 95.8，智能体 46.8，竞技场 981，任务成功率 60.3%，首次音频输出时间 0.62 秒。

以上所有数据均来自 Artificial Analysis，而非任何一家厂商。请注意这一比较说明了什么、又没有说明什么。Phonic 在综合指数上领先 9.8 分，在 agentic 组件上领先 32.3 分——差距之大，使其成为本次对比中唯一应当促使你改变架构的数字。它在竞技场偏好上领先 22 分，而在这一评分尺度上，22 分的 Elo 差距虽是真实的，却不具决定性。它在任务成功率上领先 5.2 分。在延迟上它则略逊一筹，为 0.61 秒对 0.57 秒，而两者都低于电话通话场景所看重的 1 秒门槛。

真正应该影响你决策的差距

智能体性能——79.9% 对 47.6%——才是值得静下心来细细琢磨的数字。它衡量的是模型能否完成一项需要调用工具并根据结果采取行动的任务，而不只是能否进行对话——而这是一个规模更小、更年轻的实验室击败一家拥有 17,000 个声音和十年产品积淀的公司的地方。如果你的智能体任务是在来电者等待时查询信息、预订服务或修改内容，那么这个数字就能预测你的完成率能否经受住真实用户的检验。

ElevenLabs 在对话动态上拿到 94.1 分，而 Phonic 在这一项上并未公布成绩——这正是 Phonic 记分板上那个诚实的空白；而 Artificial Analysis 自身的结构也解释了为什么这一点不会体现在主指数里。该综合得分是四个组成部分的加权平均——语音推理、智能体表现、竞技场偏好和任务成功率——而对话动态只是与指数并列报告，并不是构成指数的输入项之一。因此，Phonic 缺失的对话动态数字并不会让它在 87.1 分上损失任何东西，却能告诉你指数无法告诉你的事：还没有人测量过这个模型在长时间、杂乱、不断自我打断的对话中表现如何。在这一栏被填上之前，无论是说 Phonic 听起来也比 ElevenLabs 更自然，还是反过来，都缺乏依据。

切换真正让你付出的代价，在于那些并非模型的事物上

价格是 Phonic 主打的论点，而就标称费率而言，它确实说得没错。Phonic 的入门套餐为每对话分钟 0.07 美元，且不额外转嫁 token 费用。Eleven Realtime v1 Max 为每连接音频分钟 0.080 美元外加模型 token 费用——输入每百万 1.80 美元、输出每百万 9.00 美元——而且一旦超出你的并发额度，费率就会飙升至 0.160 美元。按分钟计费只是可见的那一半。

• 头条价格 — Phonic 1 为每分钟 $0.07（Pro 套餐为 $0.065，但需每月最低消费 $200），对比 Eleven Realtime v1 Max 的每分钟 $0.080。

• 该费率不包含的内容——Phonic 1 表示不收取按 token 或 LLM 费用；Eleven Realtime v1 Max 则在每分钟费用之外额外对模型 token 计费，并且突发流量按双倍费率计费。

• 语音资源 — ElevenLabs 提供 17,000 多种语音和 90 多种语言；Phonic 1 声称支持 50 多种语言，并支持在对话中途切换且保持同一音色。

• 部署方式——Phonic 1 提供云端、单租户、VPC 对等连接和自托管四种方式；ElevenLabs 是一个托管平台，其自身的发布说明指出，实时模型在发布时在某些数据驻留环境中不可用。

• API 形态 — Eleven Realtime v1 Max 在发布时通过 WebSocket 兼容 OpenAI-Realtime，不支持 WebRTC；Phonic 1 运行一个 WebSocket 端点，双向 24kHz PCM，并支持内联工具声明。

三个月免费是实打实的数字，但相对于迁移成本而言，它也只是个零头。语音身份是任何对比页面都不会列出的项目。如果你的生产级智能体使用的是克隆的品牌语音，那这个语音存放在 ElevenLabs 的语音库中，受 ElevenLabs 的条款约束；Phonic 提供克隆功能，但克隆出来的语音并不是可移植的文件，重新克隆会得到另一个不同的语音，而不是原来那一个。围绕特定音色打造品牌形象的团队，在核算每分钟费率之前，应先把这部分成本算进去。

还有第二个更隐蔽的可移植性问题。一个 ElevenLabs 智能体是一个技术栈：语音、提示词、工具和对话流程。迁移模型意味着重建流程，而工具定义不会随之而来。这种粘合层往往是迁移失败的地方，也是值得你自己拥有、而不是从任何单一供应商租用的那一层。智能体的推理与工具调用环节，是今天在 OrcaRouter 上运行的部分——一把密钥即可访问 200+ 款模型，按标价且无加价，一条让低成本轮次保持低成本的路由规则，以及自动故障转移，让供应商的短暂故障不会在实时通话中变成冷场。Phonic 1 和 Eleven Realtime v1 Max 都不在我们的产品目录中；每个仍来自各自的供应商。区别在于你离开时保留了什么。

ElevenLabs 仍是最佳选择的场景

对于任何并非实时智能体的用途，ElevenLabs 的 TTS 产品线仍然是最合理的默认选择。其 Eleven v4 语音模型在 Artificial Analysis 受控语音竞技场上的 Elo 约为 1,157，价格约为每百万字符 80 美元；Eleven v3 则为每百万字符 100 美元——两者都远高于 Cartesia Sonic 3.6 归一化后的 49 美元，并且两者都因此在旁白、有声书、配音和品牌播报中物有所值，而在这些场景中，音频就是产品本身。

如果你的使用场景是“用我们的品牌嗓音优美地朗读这段文字”，那么 ElevenLabs 与 Phonic 1 的比较就无从谈起。Phonic 卖的不是通用旁白引擎，而是对话式智能体。为了朗读脚本化文案而购买语音到语音模型，等于为永远用不上的推理能力付费，换来的音质在专门衡量这一点的竞技场上也从未被独立评分超越 ElevenLabs。

此外还有广度和成熟度的问题：90 多种语言对 50 多种，17,000 多种声音对一套精选声音，以及一个具备智能体产品、SDK 和贵团队已经在看的变更日志的平台。这些都是一款在发布周才亮相的模型来不及积累的东西。

折扣实际上是给谁的

切换优惠只对一类特定买家有意义：这类团队的智能体承担真实的交易性工作，其语音身份要么是通用型，要么是他们可以重新克隆的自有身份，并且当前技术栈端到端都是 ElevenAgents。对这个团队来说，智能体能力缺口是产品问题，三个月免费是对可能失败的迁移的真实对冲，而按分钟固定计费则省去了其财务团队每月都要做的一项建模工作。

其他人都应该等待并关注 Phonic 接下来发布的内容。有两件事能给这件事定论：在同一榜单上给出对话动态评分，让该指数的第四个组成部分不再是假设；以及在演示之外，对供应商“边说边调用工具”的说法进行独立测量。这两者目前都不存在。一个才发布一周、只有一个榜单成绩支撑、从未经历过黑色星期五的模型，不适合把一条营收业务线迁移到它上面——但它恰恰适合放在故障转移路径之后，并用你自己的流量进行为期一个月的测量。

诚实的总结是不对称的。Phonic 1 更擅长那件最难构建、也最容易衡量的事：完成一项智能体任务。ElevenLabs 则在它周围的一切上更强，而这些恰恰更难衡量：声音身份的辨识度、语言覆盖范围，以及一套你团队早已熟悉的产品。免费三个月并不是对任何一方的定论。它是供应商的一句坦白——真正留住客户的是那些周边的东西；也是一场赌注——其中足够多的部分能在九十天内被重建起来。