> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# ¿Qué es Voz a Texto?

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](https://elevenlabs.io/app/speech-to-text) y de la [API](/docs/es/api-reference/speech-to-text/convert). 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](https://elevenlabs.io/app/agents) y mediante la [API](/docs/es/api-reference/speech-to-text/convert).

Para obtener más detalles, consulta nuestra [documentación de Voz a Texto.](/docs/es/capabilities/speech-to-text)