Titre original : ElevenLabs Scribe v3 Live uses conversational context to stop voice agents from cutting off callers mid-sentence
ElevenLabs a lancé deux modèles de transcription vocale : Scribe v3, qui traite les fichiers audio enregistrés, et Scribe v3 Live, destiné aux scénarios en temps réel à faible latence. Tous deux sont conçus pour gérer les chevauchements de parole entre plusieurs interlocuteurs et le bruit de fond, et sont désormais disponibles sur les plateformes ElevenAPI et ElevenAgents. Selon ElevenLabs, par rapport à la génération précédente, le taux d'erreur de mots a diminué d'environ 25% sur 102 langues, la séparation des locuteurs dans les conversations multi-interlocuteurs est plus stable, et la séparation en temps réel est désormais prise en charge pour la première fois. La version en temps réel utilise le contexte de la conversation pour déterminer si un locuteur a terminé sa phrase, évitant ainsi d'interrompre l'utilisateur lorsqu'il marque une pause ou énonce lentement des chiffres. D'après The Decoder, lors des tests d'Artificial Analysis, Scribe v3 affiche une précision supérieure à celle de Microsoft, Mistral, xAI, Google et OpenAI, se classant juste derrière un modèle préliminaire d'Alibaba. Cependant, sa vitesse et son prix se situent dans la moyenne du marché, les modèles de Microsoft et xAI étant nettement plus rapides et environ deux fois moins chers.
Pourquoi c'est important Les agents vocaux interrompent souvent l'utilisateur lorsqu'il marque une pause ; la version en temps réel utilise le contexte de la conversation pour déterminer si l'interlocuteur a terminé sa phrase, répondant directement à ce problème.
Fiabilité : Assez fiable · Source The Decoder · Date de l'événement 11-12 21:48 (heure de Pékin)
Raisons
- Reportage de The Decoder, citant les tests indépendants d'Artificial Analysis
Utilisation
- Les développeurs peuvent y accéder via ElevenAPI ou le sélectionner lors de la création d'agents vocaux sur la plateforme ElevenAgents
Risques
- L'amélioration du taux d'erreur de mots repose sur les données propres à ElevenLabs
- Artificial Analysis n'a testé que le taux d'erreur de mots sur les fichiers audio enregistrés, sans tester la version en temps réel