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、キャプション作成のために設計されています。Scribe v1の安定性と精度を向上させ、長時間オーディオ、一時停止、声のトーンの変化、長い無音部分をより適切に処理します。
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に最適化されている一方、Scribe v2は長時間かつ複雑な録音に最適化されています。さまざまな話者、アクセント、話し方にわたって精度を維持し、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。
コンテキストを理解する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個の単語またはフレーズを選択すると、Scribe v2がそれらの用語を文字起こしすべきタイミングを正確に判断します。そのため、技術分野、ブランド名、業界特有の表現に適しています。
高精度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。
個人を特定できる情報、健康データ、決済情報にわたる最大56のカテゴリを選択できます。Scribe v2は、文字起こし内の該当箇所と正確なタイムスタンプを自動検出するため、機密情報の確認、マスキング、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に対応しています。
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。手動で分割や設定を行わなくても、モデルが各言語を自動的に検出し、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揃っています：
- 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
- 正確な字幕アラインメントとインタラクティブな体験を実現する、単語単位の高精度タイムスタンプ
- 笑い声や足音など、発話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
ElevenLabs Studioで利用可能になったScribe v2
Scribe v2は、より正確な字幕、キャプション、文字起こしのためにElevenLabs Studioで利用できるようになりました。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で構築する
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できます。コンプライアンスとデータレジデンシーを完全に管理しながら、安全に拡張できます。
Scribe v2は、APIおよびCreativeプラットフォームで本日より利用できます。
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
