ElevenLabs ra mắt mô hình chuyển giọng nói thành văn bản Scribe v3 và Scribe v3 Live

ElevenLabs đã ra mắt hai mô hình chuyển giọng nói thành văn bản: Scribe v3 dành cho âm thanh ghi sẵn và Scribe v3 Live dành cho sử dụng thời gian thực với độ trễ thấp, cả hai đều có sẵn thông qua giao diện lập trình viên ElevenAPI và nền tảng ElevenAgents. Công ty cho biết Scribe v3 giảm khoảng 25 phần trăm lỗi từ so với phiên bản tiền nhiệm trên 102 ngôn ngữ, và Scribe v3 Live sử dụng ngữ cảnh hội thoại để xác định khi nào người nói thực sự đã nói xong thay vì dựa vào bộ hẹn giờ tạm dừng. Các đánh giá độc lập từ Artificial Analysis xếp Scribe v3 vào nhóm các mô hình phiên âm chính xác nhất, chỉ đứng sau một mô hình xem trước của Alibaba, nhưng cho thấy nó chậm hơn về tốc độ và có giá 3,33 đô la Mỹ cho mỗi 1.000 phút.