Echtzeit Speech to Text API
Sprache live mit Scribe v3 Live transkribieren
Scribe v3 Live ist die präziseste Echtzeit-Spracherkennung mit 150 ms Latenz für über 90 Sprachen. Über API verfügbar.
- Lovable
- Veed model
- Synthesia
- Stripe
- Perplexity
- Twilio
Für Geschwindigkeit und Präzision entwickelt
Ultraschnell, hochpräzise und für Live-Sprache entwickelt. Scribe v3 Live liefert sofortige Transkription für Echtzeit-Anwendungsfälle.
Höchste Genauigkeit in Echtzeit
Scribe v3 Live erreicht branchenführende Transkriptionsgenauigkeit bei ca. 150 ms Latenz – selbst unter schwierigen Audiobedingungen oder bei unterschiedlichen Akzenten.
Für jeden Anwendungsfall entwickelt
Transkription funktioniert auch bei Hintergrundgeräuschen, Musik, starken Akzenten und niedriger Audioqualität.
Spracherkennung für Echtzeit-Performance optimiert
Auf Basis von Scribe v3 Live bietet Scribe v3 Live ca. 150 ms Latenz und hohe Genauigkeit über Akzente, Tonlagen und Umgebungen hinweg.
Speziell für Agents und Voice-Anwendungen entwickelt
Scribe v3 Live wurde speziell für Entwickler entwickelt, die dialogbasierte Agenten, Meeting-Assistenten und Sprachanwendungen erstellen, bei denen Geschwindigkeit und Genauigkeit entscheidend sind.
Prädiktive Transkription für niedrige Latenz
Scribe v3 Live nutzt prädiktive Transkription, um die wahrscheinlichsten nächsten Wörter und Satzzeichen vorherzusehen – für Genauigkeit in Echtzeit.
Spracherkennung (Voice Activity Detection)
Erkennt anhand des Gesagten, wann ein Sprecher fertig ist, nicht nur an der Stille, damit Voice Agents niemandem ins Wort fallen.
Manuelle Commit-Steuerung
Entwickler steuern, wann Transkripte finalisiert werden – ideal für individuelles Streaming und maximale Genauigkeit.
Mehrere Audioformate
Unterstützt PCM (8–48 kHz) und μ-law-Codierung für Kompatibilität mit Telefonie, Browser und Studio.
Modelle für jeden Anwendungsfall optimiert
Scribe v3 für umfangreiche Anwendungsfälle und Scribe v3 Live für Anwendungsfälle mit niedriger Latenz
Scribe v3
Höchste Genauigkeit, für Batch-Workloads entwickelt.
- 27 % weniger Fehler als Scribe v2
- Niedrigste von uns getestete Fehlerquote bei der Sprechertrennung
- Zahlenformatierung und Sprachhinweise
- Entitätserkennung und Keyterm-Prompting
- Schlüsselbegriff-Aufforderung
Scribe v3 Live
Niedrigste Latenz, für Echtzeit-Anwendungen.
- Unter 150 ms Latenz
- 43 % weniger Fehler als v2 Realtime
- Keyterm-Bibliothek und mehrsprachiger Modus
- Sprachaktivitätserkennung
- Unterstützt über 90 Sprachen
Transkribieren Sie Sprache in über 90 Sprachen und zahlreichen Akzenten
Hohe Genauigkeit bei Akzenten, Dialekten und unterschiedlichen Aufnahmebedingungen.
Ändern Sie den languageCode, um Sprachen zu testen
import { useScribe } from "@elevenlabs/react";
const scribe = useScribe({
modelId: "scribe_v3_live",
languageCode: , // Sprache festlegen
onSessionStarted: () =>
console.log("Session started"),
onPartialTranscript: (data) =>
console.log("Partial:", data.text)
});
Im Einsatz bei führenden Unternehmen und Marken weltweit
“Von der Synchronisation von Reels in Landessprachen bis zur Erstellung von Musik und Charakterstimmen in Horizon – die ElevenLabs-Plattform ermöglicht es Kreativen, Unternehmen und Organisationen weltweit, Stimme, Musik und Sound in großem Maßstab einzusetzen.”
“Die hohe Genauigkeit von Scribe in so vielen Sprachen ermöglicht es Fieldy, jede tägliche Unterhaltung zu verstehen und problemlos international zu skalieren. Nach dem Wechsel zu ElevenLabs Scribe ist die Nutzerbindung bei Fieldy um 50 % gestiegen.”
“Mit ElevenLabs konnten wir leistungsstarke Text-to-Speech-Funktionen schnell in unser SDK integrieren. So können Agents in Echtzeit mit ausdrucksstarken Stimmen auf Nutzeranfragen oder visuelle Rückmeldungen reagieren.”
“Twilio hat die generative KI-Stimmtechnologie von ElevenLabs in seine CPaaS-Plattform integriert und ConversationRelay erweitert. Damit können Unternehmen und Entwickler KI-basierte Sprachinteraktionen erstellen, die menschlich klingen, ausdrucksstark sind und in Echtzeit direkt über Twilio CPaaS reagieren. Wir bei ElevenLabs freuen uns, dass Twilio ElevenLabs gewählt hat, um ConversationRelay mit den ausdrucksstärksten, natürlich klingenden Stimmen zu verbessern.”
APIs für den Produktiveinsatz
Flexible Preise nach Bedarf
Erleben Sie höchste Genauigkeit und Reaktionsgeschwindigkeit – mit Preisen, die vom Startup bis zum Enterprise-Team skalieren.
0,22 $ pro Stunde
in allen Tarifen
