Speech to Text

Sim, a ferramenta permite fazer upload de arquivos de áudio e vídeo. O tamanho máximo de arquivo para ambos é 3 GB.

Renomeando participantes

Sim, você pode renomear participantes clicando no botão “editar” ao lado do rótulo “Participantes”.

Speech to Text converte áudio falado em texto escrito. Na ElevenLabs, nosso modelo de Speech to Text é o Scribe. Ele permite transcrever fala com precisão em mais de 90 idiomas, facilitando a transformação de áudio em texto legível e pesquisável.

Principais recursos do Scribe

• Precisão líder do setor, com 98% de precisão em idiomas principais como inglês, francês, italiano, português, espanhol e alemão.
• Marcas de tempo precisas no nível da palavra, para você ver exatamente quando cada palavra é falada.
• Diarização inteligente de falantes, que identifica e separa automaticamente diferentes falantes.
• Marcação dinâmica de áudio para detectar sons que não são fala.
• Suporte para até 32 falantes, mantendo alta precisão.

Novidades do Scribe v2

O Scribe v2 expande o modelo principal com recursos adicionais desenvolvidos para casos de uso mais exigentes.

• Prompting de termos-chave. Você pode fornecer até 100 palavras ou frases para orientar o modelo a transcrever corretamente termos importantes. O uso de prompting de termos-chave aumenta o custo em 20%.
• Detecção de entidades. Você pode escolher categorias específicas de informações para detectar na transcrição, como números de cartão de crédito, nomes ou condições médicas. A detecção de entidades está disponível somente via API e aumenta o custo em 30%.
• Suporte inteligente a vários idiomas. Você pode enviar áudio contendo vários idiomas, e o Scribe v2 detectará e transcreverá cada um corretamente de forma automática.
• Maior estabilidade. O Scribe v2 lida com pausas, mudanças de tom e longos silêncios sem interromper ou perder precisão.
  

Qual versão você deve usar?

Recomendamos o Scribe v2 quando for necessária uma transcrição de alta precisão. Ele está disponível em nosso site e pela API. Ao usar Speech to Text pelo nosso site, o Scribe v2 é o modelo padrão.

Para áudios médicos e clínicos, use o Scribe v2 Medical (scribe_v2_medical) pela mesma API. Ele é cobrado pela mesma tarifa do Scribe v2.

Para casos de uso em tempo real, recomendamos o Scribe v2 Realtime, disponível pelo ElevenAgents e pela API.

Para mais detalhes, consulte nossa documentação de Speech to Text.

Speech to Text oferece suporte a mais de 90 idiomas. 

Para conferir a lista completa de idiomas compatíveis, consulte a seção de suporte a idiomas da nossa documentação de Speech to Text.

O limite de simultaneidade (solicitações simultâneas executadas em paralelo) depende da sua assinatura e de você estar usando Speech to Text ou Transcrição de Voz em Tempo Real.

Abaixo estão os limites atuais de simultaneidade para Speech to Text.

Se você precisar de um número maior de solicitações simultâneas, entre em contato diretamente com nosso departamento Enterprise por meio desta página. Teremos prazer em conversar sobre um plano personalizado que atenda às suas necessidades específicas.