भाषण से पाठ

उत्कृष्ट सटीकता (≤ 5% शब्द त्रुटि दर - WER)
बुल्गारियाई, कैटलन, चेक, डेनिश, डच, अंग्रेजी, फिनिश, फ्रेंच, गैलिशियन, जर्मन, ग्रीक, हिंदी, इंडोनेशियाई, इतालवी, जापानी, कन्नड़, मलय, मलयालम, मैसेडोनियन, नॉर्वेजियन, पोलिश, पुर्तगाली, रोमानियाई, रूसी, सर्बियाई, स्लोवाक, स्पेनिश, स्वीडिश, तुर्की, यूक्रेनी, वियतनामी

उच्च सटीकता (>5% से ≤10% WER)
বাংলা, বেলারুশিয়ান, বসনিয়ান, ক্যান্টোনিজ, এস্তোনিয়ান, ফিলিপিনো, গুজরাটি, হাঙ্গেরিয়ান, কাজাখ, লাটভিয়ান, লিথুয়ানিয়ান, ম্যান্ডারিন, মারাঠি, নেপালি, ওড়িয়া, ফার্সি, স্লোভেনিয়ান, তামিল, তেলেগু

अच्छा (>10% से ≤25% WER)
अफ्रीकान्स, अरबी, आर्मेनियाई, असमिया, अस्तुरियन, अज़रबैजानी, बर्मी, सेबुआनो, क्रोएशियाई, जॉर्जियाई, हौसा, हिब्रू, आइसलैंडिक, जावानीस, काबुवर्दियानु, कोरियाई, किर्गिज़, लिंगाला, माल्टीज़, मंगोलियाई, माओरी, ऑक्सिटान, पंजाबी, सिंधी, स्वाहिली, ताजिक, थाई, उर्दू, उज़्बेक, वेल्श

मध्यम (>25% से ≤50% WER)
अम्हारिक, चिचेवा, फुलाह, गंडा, इग्बो, आयरिश, खमेर, कुर्दिश, लाओ, लक्समबर्गिश, लुओ, उत्तरी सोथो, पश्तो, शोना, सोमाली, उम्बुंडु, वोलोफ, खोसा, जुलु

स्पीच-टू-टेक्स्ट (एसटीटी) एक तकनीक है जो बोले गए भाषा को स्वचालित भाषण पहचान (एएसआर) का उपयोग करके लिखित पाठ में परिवर्तित करती है। यह ऑडियो सिग्नल को प्रोसेस करता है, भाषण पैटर्न की पहचान करता है, और उन्हें उच्च सटीकता के साथ पाठ में ट्रांसक्राइब करता है। एलेवनलैब्स का एआई-संचालित स्पीच-टू-टेक्स्ट सॉफ़्टवेयर ऑडियो और वीडियो सामग्री को मानव-समान सटीकता के साथ ट्रांसक्राइब करने के लिए डिज़ाइन किया गया है, जो इसे वॉयस-टू-टेक्स्ट रूपांतरण, ऑडियो ट्रांसक्रिप्शन और वास्तविक समय की स्पीच पहचान के लिए आदर्श बनाता है। स्पीच-टू-टेक्स्ट तकनीक का उपयोग किया जाता है: ✔ पॉडकास्ट, बैठकों और साक्षात्कारों के लिए ऑडियो-से-टेक्स्ट ट्रांसक्रिप्शन। ✔ वीडियो सामग्री में कैप्शन और उपशीर्षक। ✔ वॉयस-टू-टेक्स्ट सॉफ़्टवेयर हाथों से मुक्त टाइपिंग और पहुंच उपकरणों के लिए। एलेवनलैब्स एएसआर कई भाषाओं और लहजों के लिए तेज, विश्वसनीय और अत्यधिक सटीक भाषण-से-टेक्स्ट रूपांतरण प्रदान करता है।

एलेवनलैब्स वीडियो ट्रांसक्रिप्शन प्रदान करता है ताकि बोले गए संवाद को टेक्स्ट प्रारूप में परिवर्तित किया जा सके, जिससे उपशीर्षक, कैप्शन और खोज योग्य ट्रांसक्रिप्ट बनाना आसान हो जाता है। वीडियो को पाठ में ट्रांसक्राइब करने के चरण: 1 अपने वीडियो फ़ाइल को ElevenLabs ASR पर अपलोड करें 2 भाषण पहचान तकनीक ऑडियो को संसाधित करती है 3 एक ट्रांसक्रिप्ट स्वचालित रूप से उत्पन्न होती है, जिसमें समय चिह्न होते हैं 4 पाठ फ़ाइल डाउनलोड करें या संपादन के लिए उपशीर्षक निर्यात करें। यह एआई-संचालित वीडियो ट्रांसक्रिप्शन मॉडल सामग्री निर्माताओं, व्यवसायों और शिक्षकों को वीडियो भाषण को सटीक पाठ में जल्दी परिवर्तित करने में मदद करता है, ताकि पहुंच और सामग्री पुनः उपयोग के लिए।

स्क्राइब वर्तमान में उन उपयोग के मामलों के लिए अच्छी तरह से काम करता है जहां इनपुट ऑडियो पहले से उपलब्ध है। जल्दी ही एक कम-लेटेंसी, वास्तविक समय का संस्करण जारी किया जाएगा।

$0.40 प्रति घंटे से शुरू ट्रांसक्राइब किए गए ऑडियो का, एंटरप्राइज योजनाओं के साथ बड़े पैमाने पर इससे भी कम।