Vai alla navigazione

Cos’è Speech to Text?

Speech to Text converte l’audio parlato in testo scritto. In ElevenLabs, il nostro modello Speech to Text è Scribe. Ti consente di trascrivere accuratamente il parlato in oltre 90 lingue, trasformando facilmente l’audio in testo leggibile e ricercabile.

Funzionalità principali di Scribe

  • Precisione leader del settore, con un’accuratezza del 98% nelle principali lingue come inglese, francese, italiano, portoghese, spagnolo e tedesco.
  • Timestamp precisi a livello di parola, così puoi vedere esattamente quando viene pronunciata ogni parola.
  • Diarizzazione intelligente dei parlanti, che identifica e separa automaticamente i diversi parlanti.
  • Tag audio dinamici per rilevare suoni non vocali.
  • Supporto per fino a 32 parlanti mantenendo un’elevata precisione.

Novità di Scribe v3

Scribe v3 è il nostro modello Speech to Text più accurato. Rispetto a Scribe v2, offre:

  • Meno errori di trascrizione. Nel benchmark FLEURS su 102 lingue, Scribe v3 commette il 27% di errori di parola in meno rispetto a Scribe v2.
  • Etichette dei parlanti più accurate nell’audio con più parlanti.
  • Formattazione dei numeri. Tramite l’API, puoi scegliere se i numeri vengono scritti come cifre o in lettere.
  • Lingue secondarie. Tramite l’API, puoi elencare altre lingue previste nell’audio per migliorare la precisione negli audio multilingue.

Scribe v3 mantiene le funzionalità introdotte in Scribe v2:

  • Prompting dei termini chiave. Puoi fornire fino a 100 parole o frasi per guidare il modello nella corretta trascrizione dei termini importanti. L’uso del prompting dei termini chiave aumenta il costo del 20%.
  • Rilevamento delle entità. Puoi scegliere categorie specifiche di informazioni da rilevare nella trascrizione, come numeri di carte di credito, nomi o condizioni mediche. Il rilevamento delle entità è disponibile solo tramite API ed è incluso gratuitamente.
  • Supporto intelligente per più lingue. Puoi inviare audio che contiene più lingue, e Scribe rileverà e trascriverà automaticamente ciascuna di esse correttamente.
  • Stabilità migliorata. Scribe gestisce pause, cambiamenti di tono e lunghi silenzi senza interrompersi né perdere precisione.

Quale versione dovresti usare?

Ti consigliamo Scribe v3 (scribe_v3) quando è necessaria una trascrizione ad alta precisione. È disponibile tramite il nostro sito web e le API. Quando usi Speech to Text tramite il nostro sito web, Scribe v3 è il modello predefinito. I workspace negli ambienti di residenza dei dati utilizzano Scribe v2.

Per audio medici e clinici, usa Scribe v2 Medical (scribe_v2_medical) tramite la stessa API. Viene fatturato alla stessa tariffa di Scribe v2.

Per casi d’uso in tempo reale, ti consigliamo Scribe v3 Live (scribe_v3_live), disponibile tramite l’API in tempo reale. ElevenAgents utilizza Scribe v2 Realtime per impostazione predefinita.

Per maggiori dettagli, consulta la nostra documentazione di Speech to Text.