ElevenLabs, 음성 인식 모델 Scribe v3 공개

ElevenLabs가 두 가지 음성-텍스트 변환 모델을 공개했습니다. Scribe v3는 녹음 파일 처리를, Scribe v3 Live는 저지연 실시간 시나리오를 대상으로 하며, 모두 여러 사람이 동시에 말하거나 배경 소음이 있는 상황을 고려해 설계되었습니다. 이 모델들은 이미 ElevenAPI 및 ElevenAgents 플랫폼에서 사용할 수 있습니다. ElevenLabs는 이전 세대 대비 102개 언어에서 단어 오류율이 약 25% 감소했다고 밝혔으며, 다자간 대화에서 화자 분리 성능이 더 안정적이고 실시간 분리를 처음으로 지원한다고 설명했습니다. 실시간 버전은 대화 맥락을 활용해 화자가 말을 끝냈는지 판단하므로, 사용자가 일시적으로 멈추거나 숫자를 천천히 읽을 때 불필요하게 끊기지 않도록 합니다. The Decoder에 따르면, Artificial Analysis의 테스트에서 Scribe v3의 정확도는 Microsoft, Mistral, xAI, Google 및 OpenAI를 앞섰으며, Alibaba의 한 프리뷰 모델에만 뒤처졌습니다. 다만 속도와 가격은 중간 수준이었으며, Microsoft와 xAI의 모델은 훨씬 더 빠르고 가격은 약 절반 수준이었습니다.

원제: ElevenLabs Scribe v3 Live uses conversational context to stop voice agents from cutting off callers mid-sentence

ElevenLabs가 두 가지 음성-텍스트 변환 모델을 공개했습니다. Scribe v3는 녹음 파일 처리를, Scribe v3 Live는 저지연 실시간 시나리오를 대상으로 하며, 모두 여러 사람이 동시에 말하거나 배경 소음이 있는 상황을 고려해 설계되었습니다. 이 모델들은 이미 ElevenAPI 및 ElevenAgents 플랫폼에서 사용할 수 있습니다. ElevenLabs는 이전 세대 대비 102개 언어에서 단어 오류율이 약 25% 감소했다고 밝혔으며, 다자간 대화에서 화자 분리 성능이 더 안정적이고 실시간 분리를 처음으로 지원한다고 설명했습니다. 실시간 버전은 대화 맥락을 활용해 화자가 말을 끝냈는지 판단하므로, 사용자가 일시적으로 멈추거나 숫자를 천천히 읽을 때 불필요하게 끊기지 않도록 합니다. The Decoder에 따르면, Artificial Analysis의 테스트에서 Scribe v3의 정확도는 Microsoft, Mistral, xAI, Google 및 OpenAI를 앞섰으며, Alibaba의 한 프리뷰 모델에만 뒤처졌습니다. 다만 속도와 가격은 중간 수준이었으며, Microsoft와 xAI의 모델은 훨씬 더 빠르고 가격은 약 절반 수준이었습니다.

왜 중요한가 음성 에이전트는 사용자가 멈추는 순간 말을 가로채는 경우가 많은데, 실시간 버전은 대화 맥락을 바탕으로 상대방이 말을 끝냈는지 판단하여 이 문제를 직접적으로 해결합니다.

신뢰도: 비교적 높음 · 출처 The Decoder · 이벤트 발생 시간 11-12 21:48 (베이징 시간)

근거

  • The Decoder의 보도로, Artificial Analysis의 독립적 테스트를 인용함

사용법

  • 개발자는 ElevenAPI를 통해 호출하거나, ElevenAgents 플랫폼에서 음성 에이전트를 구축할 때 선택하여 사용 가능

리스크

  • 단어 오류율 개선 수치는 ElevenLabs 자체 데이터임
  • Artificial Analysis는 녹음 파일의 단어 오류율만 테스트했으며, 실시간 버전은 테스트하지 않음

열기

The Decoder

최신 AI 소식 보기