ElevenLabs推出Scribe v3系列：支持102种语言，实时转写低延迟
ElevenLabs发布Scribe v3系列，支持102种语言及实时语音转写
ElevenLabs发布了两款新一代语音转文本模型——Scribe v3和Scribe v3Live。前者面向预录制音频的转写，后者用于低延迟的实时语音应用。两款产品重点提升了复杂语音环境下的识别能力，多人交谈、相互打断以及背景噪声等场景都在覆盖范围内。目前开发者已可通过ElevenAPI和ElevenAgents平台调用这两款模型。
据ElevenLabs介绍，
Scribe v3覆盖102种语言，单词错误率比上一代模型下降约25%，德语识别准确率也有明显提高。其说话人分割功能在大型群组对话中表现更可靠；Scribe v3Live则第一次具备了实时说话人分割能力。
Artificial Analysis的独立基准测试结果显示，Scribe v3是当下准确率最高的语音转录模型之一，成绩超过微软、Mistral、xAI、Google和OpenAI等厂商的产品，只落后于阿里巴巴的一款预览版模型。
但在处理速度和价格上，Scribe v3并不占优：每1000分钟的基准价格为3.33美元，微软和xAI的部分产品速度更快、成本更低。这轮测试主要衡量录音转写的单词错误率，说话人分割、小语种和实时性能等方面的优势还未纳入。
面向AI语音客服场景，Scribe v3Live改进了发言结束的判断机制，把对话上下文和音频信号结合起来，减少传统固定暂停计时器带来的误判，用户短暂停顿或缓慢报读数字时不会轻易被系统打断。开发者还能预加载专业术语、设定数字和日期的格式规则，并用多语言模式处理句子内部的语种切换。企业客户可以选择欧盟独立服务器和零数据保留模式。
ElevenLabs同时在企业生态上继续扩张：与英伟达的合作进一步深化，把Nemotron3.5Super VL集成进ElevenAgents，并开发机器人的本地语音控制能力；与麦肯锡建立合作，推出面向系统集成商的合作伙伴计划和语音代理市场，Salesforce、IBM和Zendesk等企业已提供相关产品。从这次更新看，ElevenLabs正从语音生成延伸到高准确率转录、实时交互和企业级语音代理基础设施。
