Scribe v3 by ElevenLabs:支持90多种语言的语音转文字,错误率降低27%
支持90多种语言的语音转文字,错误率降低27%
Scribe v3是ElevenLabs迄今最精准的语音转文字模型,专为处理通话、会议、访谈和媒体内容的开发者打造。它在90多种语言中的词错误率比Scribe v2降低了27%。不同于遇到噪音、口音和多人抢话就崩溃的普通转录工具,Scribe v3最多可识别32位说话人,自动标注笑声、音乐和情绪,支持最多1,000个自定义术语增强识别,可检测56种实体类型,并能处理长达15小时的音频文件。实时场景下,Scribe v3 Live延迟低于150毫秒。
小编简评: ElevenLabs这次在Scribe v3上确实是下了一番硬功夫。语音转文字这个赛道竞争激烈,但能把词错误率压低27%的同时还支持90多种语言,说明模型训练的数据量和覆盖范围都达到了新的高度。最让我惊艳的是它的说话人分离能力——32个说话人的标签在多人圆桌、会议辩论这类复杂场景下简直太实用了,普通转录工具在这里早就乱成一锅粥。再加上对笑声、音乐和情绪的标注,以及最多15小时的超长文件处理,Scribe v3已经不只是一个转录工具,而更像是一个真正的音频理解引擎。实时场景下低于150毫秒的延迟也意味着它完全能胜任实时字幕和即时会议记录的需求。自定义术语支持和56种实体检测则让金融、医疗等专业领域的落地变得可行。总体来说,这是目前市面上最强的AI语音转文字方案之一,开发者和内容创作者都值得关注。
用户评价:
“转了3小时访谈录音,准确率确实惊人,口音和背景噪音都不影响。”
“支持32个说话人标签,多人会议终于不用再猜谁在说话了。”
“延迟超低,实时字幕完全无感,看剧外语视频太爽了。”
“自定义术语库很实用,我们的专业词汇终于能正确识别了。”
“90多种语言覆盖广,做跨境内容的团队可以闭眼入。”
关键词:#Scribe v3 by ElevenLabs #Artificial Intelligence #Audio #人工智能 #音频
官方网站: Scribe v3 by ElevenLabs
英文介绍: Speech to text with 27% fewer errors in 90+ languages
Scribe v3 is ElevenLabs’ most accurate speech-to-text model, for developers building on calls, meetings, interviews and media. It makes 27% fewer word errors than Scribe v2 across 90+ languages. Unlike transcription that breaks on noise, accents and crosstalk, it labels up to 32 speakers, tags laughter, music and emotion, boosts up to 1,000 of your own terms, detects 56 entity types and handles files up to 15 hours. For live use, Scribe v3 Live runs under 150ms.
以下是产品图片:







官方网站: Scribe v3 by ElevenLabs
您觉得这个产品怎么样?有什么亮点或不足?可以分享给您的朋友一起探讨!
每天下午16:00,实时同步 Product Hunt 精选榜单,用中文呈现全球顶级开发者、创业者的奇思妙想,准时链接全球创意!欢迎持续关注~~~