Scribe v2 Realtime já está disponível no ElevenLabs Agents

Speech to Text com latência ultrabaixa para agentes em tempo real

Esta semana, apresentamos o Scribe v2 Realtime — nosso modelo de Speech to Text por streaming com latência ultrabaixa, otimizado para casos de uso com agentes que dependem de velocidade, precisão e fluidez nas conversas.

O Scribe v2 Realtime transcreve a fala em 30 a 80 ms com precisão de última geração, permitindo que os agentes respondam de forma tão natural quanto as pessoas em uma conversa.

Projetado para conversas do mundo real 

A maioria dos sistemas de Speech to Text tem bom desempenho em ambientes de teste controlados, mas enfrenta dificuldades no mundo real — com ruído de fundo, sotaques variados ou identificadores como nomes, e-mails e IDs.

O Scribe v2 Realtime foi treinado para lidar exatamente com esses desafios.

Em benchmarks internos com centenas de amostras desafiadoras de conversas em inglês, com baixa qualidade de áudio, sotaques variados e palavras de preenchimento, o Scribe v2 Realtime identificou a intenção do usuário com mais precisão do que qualquer modelo de ASR em tempo real concorrente.

A seguir, alguns exemplos do mundo real em que testamos a precisão da transcrição do Scribe v2 Realtime em diferentes ambientes.

Precisão multilíngue líder

Como uma empresa global, com grande parte dos agentes implementados em espanhol, português, hindi e muitos outros idiomas, era essencial que o Scribe v2 Realtime mantivesse desempenho de última geração em todas as regiões.

No benchmark multilíngue FLEURS, que mede a precisão em 30 idiomas, o Scribe v2 Realtime alcançou a menor Taxa de Erro de Palavras (WER) entre todos os modelos de baixa latência de ASR.

Isso permite que empresas lancem agentes multilíngues que respondem de forma instantânea e precisa, sem comprometer a velocidade ou a precisão.

Já disponível no ElevenLabs Agents

O Scribe v2 Realtime está totalmente integrado ao ElevenLabs Agents e pode ser ativado na seção de configuração Avançada.