Vercel ajoute 14 modèles ElevenLabs à AI Gateway avec 50 % de réduction pendant 14 jours
Vercel a ajouté 14 modèles ElevenLabs à AI Gateway, et une application vocale se construit désormais avec une seule clé API. L'utilisateur parle, un modèle de reconnaissance transcrit la parole, n'importe quel modèle de langage rédige la réponse, et la voix ElevenLabs la lit au fur et à mesure de sa génération. Jusqu'au 9 novembre, tous ces modèles coûtent 50 % de moins dans la passerelle, ce qui rend le test de la voix dans un produit peu coûteux.
Traité par IA depuis Vercel Blog ; édité par Hamidun News
L'interface vocale coûte souvent plus cher qu'il n'y paraît au départ. Il faut un service pour la reconnaissance vocale, un deuxième pour le modèle de langage, un troisième pour la synthèse vocale, chacun avec sa propre clé, sa facturation et ses journaux. Vercel veut mettre fin à cette dispersion : AI Gateway propose désormais 14 modèles ElevenLabs, tous accessibles avec une seule clé API. Pour le lancement, une réduction de 50 % s'applique à tous les modèles ElevenLabs de la passerelle jusqu'au 9 novembre inclus.
Ce qui a été intégré
Les modèles se répartissent en six types. La reconnaissance vocale (Scribe v2 et Scribe v2 Realtime) convertit la voix en texte, y compris pendant que la personne parle encore. La synthèse vocale en flux (Eleven Flash v2.5, Flash v2, Multilingual v2, v3 Conversational) commence à diffuser le son pendant que le modèle de langage finit encore sa réponse. Les agents vocaux (Eleven Realtime v1 Max et v1 Mini) gèrent l'ensemble de la conversation dans un seul modèle. On trouve aussi la génération musicale (Music v2.5 et v2), les effets sonores (Sound Effects v2) et la synthèse de dialogues à plusieurs voix (Eleven v4, v4 Turbo, v3).
L'avantage pratique est que toutes les requêtes apparaissent dans les mêmes rapports de dépenses, d'utilisation et de traçabilité que le reste du trafic passant par AI Gateway. Inutile de créer un compte séparé pour le son ni de rapprocher les factures à la main.
Deux façons d'assembler un assistant vocal
La première consiste en un pipeline en trois étapes. Prenons l'exemple de la documentation : un passager demande s'il aura le temps de faire sa correspondance. Scribe v2 Realtime transcrit la parole au fil de l'eau, puis le modèle de langage de votre choix (dans l'exemple, un modèle Anthropic de la gamme Claude Haiku) combine le statut du vol et la distance jusqu'à la porte d'embarquement, tandis qu'Eleven Flash v2.5 lit la réponse à mesure qu'elle apparaît. L'utilisateur entend le début de la phrase sans attendre la fin du texte. Chaque étape est un modèle distinct, si bien qu'on peut remplacer la reconnaissance, le « cerveau » ou la voix sans toucher au reste du code.
La seconde consiste en un seul modèle pour tout le dialogue. Eleven Realtime v1 Max et v1 Mini reçoivent l'audio de l'utilisateur et répondent à la voix dans une seule session WebSocket. Il n'est pas nécessaire de brancher séparément la reconnaissance et la synthèse. C'est adapté à une ligne d'assistance ou à un assistant intégré à une application, où comptent l'interruption naturelle et un rythme vivant : à la question « Puis-je changer l'adresse de livraison ? », l'agent répond immédiatement « Bien sûr, indiquez-moi le numéro de commande ».
Le schéma de sécurité est simple : le serveur ne fait que délivrer un jeton à courte durée de vie pour le modèle choisi, et le navigateur ouvre lui-même la connexion. La clé API ne se retrouve ainsi jamais côté client. Côté interface, le hook useRealtime de @ai-sdk/react prend en charge le microphone, la connexion et la lecture. Point important : les modèles Realtime détectent la fin d'une réplique uniquement par détection sémantique de pause (semantic-vad) ; le mode server-vad n'est pas pris en charge.
Musique, effets et dialogues
Music v2.5 et v2 composent à partir d'une description textuelle un morceau complet de la longueur voulue, avec ou sans voix. On peut préciser le genre, l'ambiance, les instruments, et pour un contrôle plus fin décrire la chanson section par section, chacune avec son style et sa durée. Sound Effects v2 fait de même pour les sons courts : pas, claquement de porte, pluie bouclée sur un niveau de jeu. Dans le code, c'est le même appel generateSpeech, sauf qu'on transmet la description du son au lieu d'un texte à lire, par exemple « un beat lo-fi calme avec un piano doux » pour 30 secondes.
Les modèles Eleven v4, v4 Turbo et v3 synthétisent un scénario à plusieurs personnages en une seule requête. Chaque réplique reçoit une voix, un changement de voix ouvre un nouveau tour de parole, et le résultat est un enregistrement continu. Pour un podcast à deux animateurs ou une scène à plein casting, il n'est plus nécessaire de coller des dizaines de clips séparés.
Prix et points de vigilance
Selon Vercel, AI Gateway affiche les tarifs des fournisseurs sans majoration et ne prélève aucune commission de plateforme sur l'inférence, y compris avec votre propre clé (BYOK). La passerelle propose aussi des nouvelles tentatives, un basculement vers une solution de secours, des budgets par clé, des règles de routage et la prise en charge de Zero Data Retention.
Il existe toutefois des limites. Certaines fonctions du SDK sont marquées comme expérimentales (par exemple streamSpeech et streamTranscribe), si bien que leur interface peut évoluer. La réduction est temporaire, et Vercel ne publie aucune donnée sur les latences ni sur la qualité comparées à une connexion directe à ElevenLabs. Ceux qui paient déjà ElevenLabs directement ont intérêt à comparer leurs factures finales.
Pour le praticien, la conclusion est la suivante : si vous développez un assistant vocal, un bot de support ou un jeu avec du son, ces deux semaines offrent un moyen peu coûteux de tester l'hypothèse. Un prototype peut se monter en une soirée avec un seul SDK, et la décision sur une architecture pérenne se prend après avoir comparé latences et coûts sur de vraies conversations.
- 21 nov. 2026Les offres FDE ont été multipliées par 4,6 en un an : ce que fait un ingénieur chez le client
- 21 nov. 2026Anthropic baisse de 20 % le prix de Claude Fable 5.2 : sur le code, elle fait presque jeu égal avec Opus 5.5
- 21 nov. 2026Dreamteam lève 53 M$ pour un CRM qui se remplit tout seul à partir des e-mails et des appels
- 21 nov. 2026Claude Opus 5.5 complète le jeu d'horreur Dimension 9 à partir des 15 salles de son auteur
Questions clés sur cet article
Que sait-on sur Ce qui a été intégré ?
Les modèles se répartissent en six types. La reconnaissance vocale (Scribe v2 et Scribe v2 Realtime) convertit la voix en texte, y compris pendant que la personne parle encore. La synthèse vocale en flux (Eleven Flash v2.5, Flash v2, Multilingual v2, v3 Conversational) commence à diffuser le son pendant que le modèle de langage finit encore sa réponse. Les agents vocaux (Eleven Realtime v1 Max et v1 Mini) gèrent l'ensemble de la conversation dans un seul modèle.
Que sait-on sur Deux façons d'assembler un assistant vocal ?
La première consiste en un pipeline en trois étapes. Prenons l'exemple de la documentation : un passager demande s'il aura le temps de faire sa correspondance. Scribe v2 Realtime transcrit la parole au fil de l'eau, puis le modèle de langage de votre choix (dans l'exemple, un modèle Anthropic de la gamme Claude Haiku) combine le statut du vol et la distance jusqu'à la porte d'embarquement, tandis qu'Eleven Flash v2.5 lit la réponse à mesure qu'elle apparaît.
Que sait-on sur Musique, effets et dialogues ?
Music v2.5 et v2 composent à partir d'une description textuelle un morceau complet de la longueur voulue, avec ou sans voix. On peut préciser le genre, l'ambiance, les instruments, et pour un contrôle plus fin décrire la chanson section par section, chacune avec son style et sa durée. Sound Effects v2 fait de même pour les sons courts : pas, claquement de porte, pluie bouclée sur un niveau de jeu.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.