ブラックフライデー最大55%オフ最大55%オフ12月1日まで

初月$1初月はわずか$1

コンテンツへ移動

音声認識API

ElevenLabs Scribe v3で音声を文字起こし

最高精度のスピーチtoテキストモデルです。重要な単語を制御し、話者ラベルを付けて、会議、通話、インタビューを文字起こしできます。

Uh, hi! So, um, I was wondering if you wanted to meet up for coffee? Maybe tomorrow morning? [nervous laugh] Totally fine if not!

  • Lovable
  • Veed model
  • Synthesia
  • Stripe
  • Perplexity
  • Twilio

バッチ処理に最適な高精度テキスト化API

ポッドキャスト、ビデオ、インタビューなどの録音コンテンツに、API経由で業界最高水準の精度で字幕や編集可能なテキストを作成できます。

Scribe v3比較対象モデル単語誤り率
20%0%5%10%15%20%
  • Scribe v2

    102言語

    Scribe v3: 12.4%
    比較対象モデル: 18.5%
  • GPT-Transcribe

    58言語

    Scribe v3: 5.5%
    比較対象モデル: 9.7%
  • MAI-Transcribe-2

    60言語

    Scribe v3: 6.5%
    比較対象モデル: 7.5%
  • Muse Voice Transcribe

    25言語

    Scribe v3: 6.6%
    比較対象モデル: 16.6%

かつてない文字起こし精度

Scribe v3は、102言語においてScribe v2より単語誤りが27%少なく、テストした他のすべてのバッチモデルを上回っています。

Uh, hi! So, um, I was wondering if you wanted to meet up for coffee? Maybe tomorrow morning? [nervous laugh] Totally fine if not!

あらゆるシナリオに対応

ノイズの多い環境、バックグラウンド音楽、強いアクセント、低品質な音声にも対応する文字起こし。

タイミング、話者、非音声イベントを細かく制御。

ElevenLabs Transcription APIは、笑い声、感情、サウンドエフェクトを検出できます。キータームプロンプティングを使えば、ドメイン固有の用語に沿って文字起こしを誘導できます。

オーディオとビデオを文字起こし

MP3、MP4、WAV、MOVなどの一般的な形式をアップロードできます。Scribeは最大15時間のファイルに対応し、大量のバッチは非同期処理とWebhook通知で処理します。
JavaScript code transcribing an interview video with ElevenLabs speech-to-text API.

クリーンで編集可能な文字起こし

適切な句読点と段落構造を備えたテキストを取得できます。編集、公開、後続処理にすぐ使え、クリーンアップは不要です。
Editable transcripts

キータームプロンプティング

最大1,000件の分野固有用語の認識精度を高めます。製品名、専門用語、特殊な語彙も最初から正確に文字起こしできます。
Keyterm Prompting

動的オーディオタグ付け

笑い声、拍手、音楽、バックグラウンドノイズなどの非音声イベントを捉えます。文字起こしには言葉だけでなく、音声の完全な文脈が含まれます。

スマート話者ダイアライゼーション

最大32人の話者を自動で識別し、ラベル付けします。誰が何を話したかを明確に示し、読みやすい文字起こしにまとめます。

エンティティ検出

文字起こし内の名前、日付、場所、組織などを含む56種類のエンティティを自動で識別・タグ付けします。

Scribe v2 Medicalで臨床音声を文字起こし

医療文字起こしと臨床ワークフロー向けに最適化されたスピーチtoテキストモデルです。薬剤名、解剖学用語、病理学用語の認識を強化しています。

Medication renewal message flags metformin 500mg and asks about continued levothyroxine.

臨床音声を文字起こし

医療従事者と患者の会話、医師の口述、患者の問診内容を正確なテキストに変換。医療従事者による確認や、ノート、コーディング、後続の文書作成ワークフローにすぐ活用できます。

Scribe v2 MedicalScribe v2(ベース)単語誤り率
20%0%5%10%15%20%
  • 全体

    Scribe v2 Medical: 9.7%
    Scribe v2(ベース): 10.6%
  • 臨床文

    Scribe v2 Medical: 6.2%
    Scribe v2(ベース): 9.9%
  • 個別の薬剤名

    Scribe v2 Medical: 13.9%
    Scribe v2(ベース): 14.4%
  • 会話

    Scribe v2 Medical: 6.1%
    Scribe v2(ベース): 6.1%

医療用語の誤認識を削減

用語WERでは、Scribe v2 MedicalはEka Medical ASRテスト分割でScribe v2よりエラーを15%削減。臨床用語全般で医療音声認識を向上させています。

Abstract gray textured background with soft diagonal light and dark bands.

Scribe v3

最高精度。バッチワークロード向けに設計。

  • Scribe v2より誤りが27%減少
  • テストした中で最も低い話者分離エラー
  • 数値の書式設定と言語ヒント
  • エンティティ検出とキーワードプロンプト
  • 90以上の言語に対応
Abstract grayscale bands of soft light and shadow sweeping diagonally.

Scribe v3 Live

最小レイテンシー。リアルタイムワークロード向け。

  • レイテンシー150ms未満
  • v2 Realtimeより誤りが43%減少
  • キーワードライブラリと多言語モード
  • 発話交代の検出を改善
  • 90以上の言語に対応
Abstract grayscale texture with diagonal streaks and a soft gradient from dark to light.

Scribe v2 Medical

臨床文字起こし向けの医療微調整モデル。

  • 医療用語のチューニング
  • 90以上の言語で文字起こし
  • 日常会話ではScribe v2と同等の精度
  • 薬剤名の認識を改善
  • エンタープライズのお客様はHIPAA対象

90以上の言語と幅広いアクセントの音声を文字起こし

アクセント、方言、録音条件を問わず、優れた精度を実現します。

languageCodeを変更して言語をプレビュー

import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";

const elevenlabs = new ElevenLabsClient({
	apiKey: "<your_api_key>"
});
const response = await fetch(
  "https://storage.googleapis.com/eleven-public-cdn/audio/marketing/nicole.mp3"
);
const audioBlob = new Blob([await response.arrayBuffer()], { type: "audio/mp3" });

const transcription = await	elevenlabs
	.speechToText.convert({
	  file: audioBlob,
	  modelId: "scribe_v3",
	  tagAudioEvents: true,
	  languageCode: 
, // 言語を設定 diarize: true }); console.log(transcription);
Flag for en
英語
Flag for zh
中国語
Flag for es
スペイン語
Flag for fr
フランス語
Flag for pt
ポルトガル語
Flag for de
ドイツ語
Flag for ja
日本語
Flag for it
イタリア語
Flag for hi
ヒンディー語
Flag for en
英語プレビューをクリック

世界をリードする企業やブランドを支援

  • “ローカル言語でのReelsの吹き替えから、Horizonでの音楽やキャラクターボイスの生成まで、ElevenLabsプラットフォームは、世界中のクリエイター、企業、エンタープライズが音声、音楽、サウンドを大規模に活用して構築できるようにします。”
    Meta Color Logo
  • “多くの言語にわたるScribeの比類ない精度により、Fieldyは日々のあらゆる会話を理解し、大陸をまたいで容易に拡張できるようになりました。ElevenLabs Scribeへの移行後、Fieldyのユーザー継続率は50%向上しました。”
    Fieldy logo
  • “ElevenLabsにより、強力なテキスト読み上げ機能をSDKにすばやく導入できました。これによりAgentsは、ユーザーの質問への回答や、認識した内容へのフィードバックを、表現力豊かな音声でリアルタイムに返せます。”
    Stream Color Logo
  • “TwilioはElevenLabsの生成AI音声技術をCPaaSに統合し、ConversationRelayを強化しました。この統合により、企業とデベロッパーはTwilio CPaaSプラットフォームから直接、人間らしく表現力豊かでリアルタイムに応答する会話型AI音声インタラクションを作成できます。Twilioが、利用可能な中で最も表現力豊かで人間らしい音声によってConversationRelayを強化するためにElevenLabsを選んだことを、ElevenLabs一同うれしく思います。 ”
    Twilio logo

本番環境向けに構築されたAPI

Enterprise data protection developers

データは転送中および保存時に暗号化され、SOC2、HIPAA、GDPRコンプライアンスに対応しています。より厳格なデータ管理のために、EUデータレジデンシーとゼロリテンションモードを利用できます。

データは転送中および保存時に暗号化され、SOC2、HIPAA、GDPRコンプライアンスに対応しています。より厳格なデータ管理のために、EUデータレジデンシーとゼロリテンションモードを利用できます。

SDKs

型安全性、ストリーミング対応、明確なサンプルを備えた公式PythonおよびTypeScript SDK。

スムーズな導入を支援し、安定したパフォーマンスと安心を提供しながら、運用を確実に継続できるようサポートします。

よくある質問

    最もリアルなオーディオAIプラットフォーム