Scribe v2のご紹介
- 公開日
Scribe v2は、大規模なバッチ文字起こし、字幕作成、キャプション生成のために開発されています。Scribe v1よりも安定性と精度が向上し、長時間のオーディオ、間、声のトーンの変化、長い無音にもより適切に対応します。
Scribe v2 Realtimeは、超低レイテンシーとエージェントのユースケース向けに最適化されている一方、Scribe v2は長時間かつ複雑な録音向けに最適化されています。多様な話者、アクセント、話し方でも精度を維持し、幅広い実環境のオーディオ条件で一貫して信頼性の高い文字起こしを実現します。
Scribe v2は、業界標準ベンチマークで記録された中で最も低い単語誤り率を達成しています。
コンテキストを考慮した文字起こしのためのキータームプロンプティング
キータームプロンプティングは、文字起こしのコンテキストを活用することで、標準のカスタム語彙を超える機能を提供します。最大100個の単語やフレーズを選択すると、Scribe v2がそれらの用語をいつ文字起こしすべきかを正確に判断します。そのため、技術分野、ブランド名、業界特有の用語に適しています。
正確なタイムスタンプを備えた組み込みエンティティ検出
Scribe v2には、構造化されたオーディオ分析のためのネイティブなエンティティ検出機能が搭載されています。
個人識別情報、健康データ、支払い情報にまたがる最大56のカテゴリを選択できます。Scribe v2は、文字起こし内のこれらの項目と正確なタイムスタンプを自動で検出するため、機密情報の確認、編集、処理を大規模に行いやすくなります。
詳しくはAPIドキュメントをご覧ください： https://elevenlabs.io/docs/developers/guides/cookbooks/speech-to-text/batch/entity-detection
自動多言語文字起こし
Scribe v2は、すぐに使えるスマートな多言語ワークフローをサポートしています。
複数の言語を含むオーディオを1つのファイルで送信できます。モデルが各言語を自動で検出し、手動での分割や設定なしに正確に文字起こしします。
本番ワークフロー向けの追加機能
Scribe v2には、エンタープライズおよびデベロッパーのユースケース向けに設計された機能が含まれています：
- 明確で直感的な話者ラベル付けを実現するスマート話者ダイアライゼーション
- 正確な字幕同期とインタラクティブな体験を実現する、単語レベルの精密なタイムスタンプ
- 笑い声や足音など、音声以外のイベントを検出する動的オーディオタグ付け
- SOC 2、ISO 27001、PCI DSS L1、HIPAA、GDPRへの準拠、EUおよびインドでのデータレジデンシー、ゼロ保持モードのサポートによるエンタープライズ対応
Scribe v2、ElevenLabs Studioで提供開始
Scribe v2は現在ElevenLabs Studioで利用されており、より正確な字幕、キャプション、文字起こしを実現します。マーケティング、メディア、研究、トレーニング、コンプライアンスの用途で、大規模なオーディオ・ビデオライブラリを管理するチームを支援します。
今すぐ試す： https://elevenlabs.io/app/studio
APIで開発
Scribe v2を使えば、デベロッパーや企業は複雑なオーディオパイプラインを自動化し、グローバルなコンテンツワークフローの精度を向上させ、包括的なコンプライアンスとデータレジデンシー管理のもとで安全にスケールできます。
Scribe v2は、本日よりAPIおよびクリエイティブプラットフォームでご利用いただけます。
今すぐ試す： https://elevenlabs.io/app/speech-to-text
ドキュメントを読む： https://elevenlabs.io/docs/capabilities/speech-to-text
