ElevenLabs 发布语音识别模型 Scribe v3

ElevenLabs 发布两款语音转文字模型:Scribe v3 处理录音文件,Scribe v3 Live 面向低延迟实时场景,都针对多人抢话、背景噪声等情况,已在 ElevenAPI 和 ElevenAgents 平台开放。ElevenLabs 称相比上一代在 102 种语言上词错误率降低约 25%,多人对话的说话人分离更稳定,并首次支持实时分离;实时版结合对话上下文判断说话人是否说完,避免在用户停顿或慢慢念数字时打断。据 The Decoder,Artificial Analysis 测试中 Scribe v3 准确率领先微软、Mistral、xAI、谷歌和 OpenAI,仅次于阿里的一个预览模型,但速度和价格处于中游,微软和 xAI 的模型快得多、价格约为一半。

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

ElevenLabs 发布两款语音转文字模型:Scribe v3 处理录音文件,Scribe v3 Live 面向低延迟实时场景,都针对多人抢话、背景噪声等情况,已在 ElevenAPI 和 ElevenAgents 平台开放。ElevenLabs 称相比上一代在 102 种语言上词错误率降低约 25%,多人对话的说话人分离更稳定,并首次支持实时分离;实时版结合对话上下文判断说话人是否说完,避免在用户停顿或慢慢念数字时打断。据 The Decoder,Artificial Analysis 测试中 Scribe v3 准确率领先微软、Mistral、xAI、谷歌和 OpenAI,仅次于阿里的一个预览模型,但速度和价格处于中游,微软和 xAI 的模型快得多、价格约为一半。

为什么重要 语音智能体常在用户停顿时抢话,实时版按对话上下文判断对方是否说完,直接针对这个问题。

可信度:较可信 · 来源 The Decoder · 事件时间 11-12 21:48(北京时间)

理由

  • The Decoder 报道,引用 Artificial Analysis 的独立测试

用法

  • 开发者通过 ElevenAPI 调用,或在 ElevenAgents 平台搭语音智能体时选用

风险

  • 词错误率改进是 ElevenLabs 自己的数据
  • Artificial Analysis 只测了录音文件的词错误率,没测实时版

打开

The Decoder

浏览最新 AI 动态