Voz a Texto

Sí, la herramienta permite subir archivos de audio y vídeo. El tamaño máximo de archivo para ambos es de 3 GB.

Renombrar hablantes

Sí, puedes renombrar a los hablantes haciendo clic en el botón «editar» junto a la etiqueta «Hablantes».

Voz a Texto convierte el audio hablado en texto escrito. En ElevenLabs, nuestro modelo de Voz a Texto es Scribe. Te permite transcribir con precisión el habla en más de 90 idiomas, lo que facilita convertir el audio en texto legible y con capacidad de búsqueda.

Características principales de Scribe

• Precisión líder en el sector, con un 98 % de precisión en idiomas principales como inglés, francés, italiano, portugués, español y alemán.
• Marcas de tiempo precisas a nivel de palabra, para que puedas ver exactamente cuándo se pronuncia cada palabra.
• Diarización inteligente de hablantes, que identifica y separa automáticamente a los distintos hablantes.
• Etiquetado dinámico de audio para detectar sonidos que no son habla.
• Compatibilidad con hasta 32 hablantes sin perder precisión.

Novedades de Scribe v2

Scribe v2 se basa en el modelo principal e incorpora capacidades adicionales diseñadas para casos de uso más exigentes.

• Prompting de términos clave. Puedes proporcionar hasta 100 palabras o frases para guiar al modelo y que transcriba correctamente términos importantes. El uso de prompting de términos clave aumenta el coste un 20 %.
• Detección de entidades. Puedes elegir categorías específicas de información que detectar en la transcripción, como números de tarjeta de crédito, nombres o afecciones médicas. La detección de entidades solo está disponible a través de la API y aumenta el coste un 30 %.
• Compatibilidad inteligente con varios idiomas. Puedes enviar audio que contenga varios idiomas y Scribe v2 detectará y transcribirá cada uno correctamente de forma automática.
• Mayor estabilidad. Scribe v2 gestiona pausas, cambios de tono y silencios prolongados sin interrumpirse ni perder precisión.
  

¿Qué versión deberías usar?

Recomendamos Scribe v2 cuando se requiere una transcripción de alta precisión. Está disponible a través de nuestro sitio web y de la API. Al utilizar Voz a Texto desde nuestro sitio web, Scribe v2 es el modelo predeterminado.

Para audio médico y clínico, utiliza Scribe v2 Medical (scribe_v2_medical) mediante la misma API. Se factura a la misma tarifa que Scribe v2.

Para casos de uso en tiempo real, recomendamos Scribe v2 Realtime, disponible a través de ElevenAgents y mediante la API.

Para obtener más detalles, consulta nuestra documentación de Voz a Texto.

Voz a Texto admite más de 90 idiomas. 

Para ver un desglose completo de los idiomas compatibles, consulta la sección de compatibilidad de idiomas de nuestra documentación de Voz a Texto.

El límite de concurrencia (solicitudes simultáneas que se ejecutan en paralelo) depende de tu suscripción y de si utilizas Voz a Texto o Voz a Texto en Tiempo Real.

A continuación se muestran los límites de concurrencia actuales para Voz a Texto.

Si necesitas un mayor número de solicitudes simultáneas, contacta directamente con nuestro departamento de Enterprise a través de esta página web. Estaremos encantados de hablar sobre un plan a medida que se ajuste a tus necesidades específicas.