Poznaj Scribe

Transkrybuj mowę na tekst za pomocą najdokładniejszego modelu ASR na świecie

26 lut 2025 • 4 minut czytania

Scribe, nasz pierwszy [zamiana mowy na tekst] model, jest najdokładniejszym modelem transkrypcyjnym na świecie. Zbudowany, aby radzić sobie z nieprzewidywalnością dźwięku w rzeczywistym świecie, Scribe transkrybuje mowę w 99 językach, oferując znaczniki czasowe na poziomie słów, diarizację mówców i tagowanie zdarzeń audio - wszystko dostarczane w uporządkowanej odpowiedzi dla płynnej integracji.

Scribe jest zaprojektowany z myślą o precyzji. W testach benchmarkowych FLEURS i Common Voice w 99 językach, konsekwentnie przewyższa wiodące modele, takie jak Gemini 2.0 Flash, Whisper Large V3 i Deepgram Nova-3. Niezależnie od tego, czy są to podsumowania spotkań, napisy do filmów, czy nawet teksty piosenek, Scribe oferuje najniższy wskaźnik błędów transkrypcyjnych w języku włoskim (98,7%), angielskim (96,7%) i 97 innych językach.

Scribe sprawia, że ASR jest powszechnie dostępne - dramatycznie redukując błędy w tradycyjnie niedostatecznie obsługiwanych językach, takich jak serbski, kantoński i malajalam, gdzie konkurencyjne modele często przekraczają 40% wskaźników błędów słownych.

Deweloperzy mogą zintegrować Scribe już dziś za pośrednictwem naszego API mowy na tekst aby uzyskać zorganizowane transkrypcje JSON z diarizacją mówców i znacznikami czasowymi na poziomie słów oraz znacznikami zdarzeń niespeechowych (np. śmiech). Wkrótce zostanie wydana wersja o niskim opóźnieniu do zastosowań w czasie rzeczywistym.

Twórcy i firmy mogą korzystać z Scribe bezpośrednio za pośrednictwem Panel ElevenLabs aby przesłać pliki audio lub wideo i wygenerować sformatowane transkrypcje.

Zacznij budować z Scibe:

Dokumentacja API . Spróbuj w panelu ElevenLabs