優れた精度(≤5%ワード誤り率-WER)
ブルガリア語、カタルーニャ語、チェコ語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、ガリシア語、ドイツ語、ギリシャ語、ヒンディー語、インドネシア語、イタリア語、日本語、カンナダ語、マレー語、マラヤーラム語、マケドニア語、ノルウェー語、ポーランド語、ポルトガル語、ルーマニア語、ロシア語、セルビア語、スロバキア語、スペイン語、スウェーデン語、トルコ語、ウクライナ語、ベトナム語

高精度(>5%～≤10%のWER)
ベンガル語、ベラルーシ語、ボスニア語、広東語、エストニア語、フィリピン語、グジャラート語、ハンガリー語、カザフ語、ラトビア語、リトアニア語、北京語、マラーティー語、ネパール語、オディア語、ペルシア語、スロベニア語、タミル語、テルグ語

良好(>10%～25%のWER)
アフリカーンス語、アラビア語、アルメニア語、アッサム語、アストゥリアス語、アゼルバイジャン語、ビルマ語、セブアノ語、クロアチア語、グルジア語、ハウサ語、ヘブライ語、アイスランド語、ジャワ語、カブベルディアヌ語、韓国語、キルギス語、リンガラ語、マルタ語、モンゴル語、マオリ語、オック語、パンジャブ語、シンド語、スワヒリ語、タジク語、タイ語、ウルドゥー語、ウズベク語、ウェールズ語

中等度(25%以上50%未満のWER)
アムハラ語、チチェワ語、フラー語、ガンダ語、イボ語、アイルランド語、クメール語、クルド語、ラオス語、ルクセンブルク語、ルオ語、北部ソト語、パシュトー語、ショナ語、ソマリ語、ウンブンドゥ語、ウォロフ語、コサ語、ズールー語

STT（Speech-to-Text）は、自動音声認識（ASR）によって音声言語を文字に変換する技術である。音声信号を処理し、音声パターンを識別し、高精度にテキストに変換します。 ElevenLabsのAI搭載音声認識ソフトウェアは、オーディオやビデオコンテンツを人間のような精度で文字起こしするように設計されており、音声からテキストへの変換、オーディオの文字起こし、リアルタイムの音声認識に最適です。音声テキスト変換技術は、次の分野で使用されています。 ✔ポッドキャスト、ミーティング、インタビュー用の音声テキスト変換。 ✔動画コンテンツ内のキャプションや字幕。 ✔ハンズフリー入力やアクセシビリティツールに対応した音声読み上げソフト。 ElevenLabsのASRは、複数の言語とアクセントに対応した迅速で信頼性の高い、高精度な音声からテキストへの変換を提供します。

ElevenLabsは、話された対話をテキスト形式に変換するビデオの文字起こしを提供しており、字幕やキャプション、検索可能なトランスクリプトの作成を容易にします。動画をテキストに変換する手順: 1.ElevenLabs ASRに動画ファイルをアップロードします 2.音声認識技術で音声を処理しいます 3.トランスクリプトは自動的に生成され、タイムスタンプが付けられます。 4.テキストファイルをダウンロードするか、字幕をエクスポートして編集します。このAI搭載のビデオ文字起こしモデルは、コンテンツ制作者、企業、教育者がビデオの音声を迅速に正確なテキストに変換し、アクセシビリティやコンテンツの再利用をサポートします。

Scribe は現在、入力音声が事前に利用可能なユースケースでうまく機能します。低遅延のリアルタイムバージョンがまもなくリリースされます。

文字起こしされたオーディオ1時間あたり$0.40から、エンタープライズプランでは大規模でさらに低価格。