Scribe v2 Realtime अब ElevenLabs Agents में उपलब्ध है

रियल-टाइम एजेंट्स के लिए बेहद कम लेटेंसी वाला स्पीच टू टेक्स्ट

इस हफ्ते, हमने पेश किया Scribe v2 Realtime - हमारा बेहद कम लेटेंसी वाला स्ट्रीमिंग स्पीच टू टेक्स्ट मॉडल, जो गति, सटीकता और बातचीत की सटीक समझ पर निर्भर एजेंटिक उपयोग के मामलों के लिए ऑप्टिमाइज़ किया गया है।

Scribe v2 Realtime 30–80ms में बेहतरीन सटीकता के साथ स्पीच ट्रांसक्राइब करता है, जिससे एजेंट्स बातचीत में इंसानों की तरह स्वाभाविक रूप से जवाब दे पाते हैं।

असल दुनिया की बातचीत के लिए डिज़ाइन किया गया 

ज़्यादातर स्पीच टू टेक्स्ट सिस्टम साफ़-सुथरे टेस्ट एनवायरनमेंट में अच्छा काम करते हैं, लेकिन असली परिस्थितियों में उन्हें मुश्किल होती है - जैसे बैकग्राउंड का शोर, अलग-अलग लहजे, या नाम, ईमेल और IDs जैसे पहचानकर्ता।

Scribe v2 Realtime को इन्हीं चुनौतियों से निपटने के लिए प्रशिक्षित किया गया है।

खराब ऑडियो क्वालिटी, अलग-अलग लहजों और फ़िलर शब्दों वाले चुनौतीपूर्ण अंग्रेज़ी बातचीत के सैकड़ों सैंपल्स पर किए गए आंतरिक बेंचमार्क में, Scribe v2 Realtime ने किसी भी प्रतिस्पर्धी रियल-टाइम ASR मॉडल से ज़्यादा सटीकता से यूज़र के इरादे को समझा।

नीचे अलग-अलग परिस्थितियों में Scribe v2 Realtime की ट्रांसक्रिप्शन सटीकता को जांचने के लिए इस्तेमाल किए गए कुछ असल उदाहरण दिए गए हैं।

बेहतरीन बहुभाषी सटीकता

एक ग्लोबल कंपनी के रूप में, जिसके एजेंट्स का बड़ा हिस्सा स्पैनिश, पुर्तगाली, हिंदी और कई अन्य भाषाओं में तैनात है, हमारे लिए यह ज़रूरी था कि Scribe v2 Realtime सभी क्षेत्रों में बेहतरीन प्रदर्शन बनाए रखे।

30 भाषाओं में सटीकता मापने वाले FLEURS बहुभाषी बेंचमार्क पर, Scribe v2 Realtime ने किसी भी कम-लेटेंसी वाले ASR मॉडल की तुलना में सबसे कम Word Error Rate (WER) हासिल की।

इससे एंटरप्राइज़ गति या सटीकता से समझौता किए बिना, तुरंत और सटीक जवाब देने वाले बहुभाषी एजेंट्स लॉन्च कर सकते हैं।

अब ElevenLabs Agents

Scribe v2 Realtime पूरी तरह से ElevenLabs Agents में इंटीग्रेटेड है और इसे Advanced configuration सेक्शन में सक्षम किया जा सकता है।