ElevenLabs เปิดตัวโมเดลถอดเสียงเป็นข้อความ Scribe v3 และ Scribe v3 Live

ElevenLabs เปิดตัวโมเดลถอดเสียงเป็นข้อความสองรุ่น ได้แก่ Scribe v3 สำหรับไฟล์เสียงที่บันทึกไว้ และ Scribe v3 Live สำหรับการใช้งานแบบเรียลไทม์ที่มีความหน่วงต่ำ ทั้งสองรุ่นใช้งานได้ผ่านอินเทอร์เฟซสำหรับนักพัฒนา ElevenAPI และแพลตฟอร์ม ElevenAgents บริษัทระบุว่า Scribe v3 ลดข้อผิดพลาดระดับคำได้ประมาณ 25 เปอร์เซ็นต์เมื่อเทียบกับรุ่นก่อนหน้าข้าม 102 ภาษา และ Scribe v3 Live ใช้บริบทของการสนทนาเพื่อ判斷ว่าผู้พูดพูดจบจริงหรือไม่ แทนที่จะพึ่งตัวจับเวลาการหยุดชั่วคราว ผลการทดสอบมาตรฐานอิสระจาก Artificial Analysis จัดให้ Scribe v3 อยู่ในกลุ่มโมเดลถอดเสียงที่แม่นยำที่สุด เป็นรองเพียงโมเดลพรีวิวของ Alibaba แต่พบว่ามีความเร็วด้อยกว่าและมีราคา 3.33 ดอลลาร์ต่อ 1,000 นาที