Primeiro mês por $1Ganhe seu primeiro mês por apenas $1

Pular para o conteúdo

API de Speech to Text em Tempo Real

Transcreva fala ao vivo com o Scribe v3 Live

O Scribe v3 Live é o STT em tempo real mais preciso, com latência de 150 ms em mais de 90 idiomas. Disponível via API.

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

Feito para velocidade e precisão

Ultrarrápido, ultrapreciso e desenvolvido para fala ao vivo. O Scribe v3 Live oferece transcrição instantânea para casos de uso em tempo real.

O Scribe v3 Live alcança precisão de transcrição líder do setor, com latência de aproximadamente 150 ms, mesmo em condições de áudio desafiadoras ou com diversos sotaques.

Transcrição em tempo real com máxima precisão

O Scribe v3 Live alcança precisão de transcrição líder do setor, com latência de aproximadamente 150 ms, mesmo em condições de áudio desafiadoras ou com diversos sotaques.

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

Pensada para qualquer cenário

Transcrição que funciona em ambientes barulhentos, com música de fundo, sotaques fortes e áudio de baixa qualidade.

Reconhecimento de voz projetado para desempenho em tempo real

Baseado no Scribe v3 Live, o Scribe v3 Live oferece latência de aproximadamente 150 ms e precisão inovadora em diferentes sotaques, tons e ambientes.

Feito sob medida para Agents e apps de voz

O Scribe v3 Live foi desenvolvido especialmente para desenvolvedores que criam agentes conversacionais, assistentes de reunião e aplicações de voz em que velocidade e precisão são essenciais.

Posso obter um reembolso?
Claro. Você pode compartilhar o número do seu pedido, por favor?
É EL4543490
Obrigado. Iniciei o processo de reembolso do pedido.
Reembolso concluído

Transcrição preditiva para baixa latência

O Scribe v3 Live usa transcrição preditiva para antecipar as palavras e pontuações mais prováveis, proporcionando precisão em tempo real.

Scribe
makes
uses
is
has
new

Detecção de Atividade de Voz

Sabe quando uma pessoa terminou de falar pelo que ela diz, não apenas pelo silêncio, para que os agentes de voz não a interrompam.

Controle Manual de Commit

Dá ao desenvolvedor controle sobre quando finalizar as transcrições – ideal para streaming personalizado e precisão ajustada.

Vários Formatos de Áudio

Compatível com PCM (8–48 kHz) e codificação μ-law para uso em telefonia, navegador e estúdio.

Modelos otimizados para cada necessidade

Scribe v3 para casos de uso em grande volume e Scribe v3 Live para casos de uso de baixa latência

Black Mountain

Scribe v3

Máxima precisão, ideal para grandes volumes.

  • 27% menos erros que o Scribe v2
  • Menor índice de erro de diarização que testamos
  • Formatação de números e sugestões de idioma
  • Detecção de entidades e sugestões de termos-chave
  • Prompt de termos-chave
Mountains

Scribe v3 Live

Menor latência, para uso em tempo real.

  • Latência abaixo de 150ms
  • 43% menos erros que o v2 Realtime
  • Biblioteca de termos-chave e modo multilíngue
  • Detecção de atividade de voz
  • Compatível com mais de 90 idiomas

Transcreva voz em mais de 90 idiomas e diversos sotaques

Precisão excepcional em diferentes sotaques, dialetos e condições de gravação.

Altere o languageCode para visualizar os idiomas

import { useScribe } from "@elevenlabs/react";

const scribe = useScribe({
  modelId: "scribe_v3_live",

  languageCode: 
, // Definir idioma onSessionStarted: () => console.log("Session started"), onPartialTranscript: (data) => console.log("Partial:", data.text) });
Flag for en
Inglês
Flag for zh
Chinês
Flag for es
Espanhol
Flag for fr
Francês
Flag for pt
Português
Flag for de
Alemão
Flag for ja
Japonês
Flag for it
Italiano
Flag for hi
Hindi
Flag for en
InglêsClique para visualizar

A tecnologia por trás das principais empresas e marcas do mundo

  • “De dublar Reels em idiomas locais a gerar músicas e vozes de personagens no Horizon, a plataforma ElevenLabs permite que criadores, empresas e organizações do mundo todo criem com voz, música e som em escala.”
    Meta Color Logo
  • “A precisão incomparável do Scribe em tantos idiomas permite que o Fieldy entenda todas as conversas do dia a dia e escale facilmente para outros continentes. O Fieldy aumentou a retenção de usuários em 50% após migrar para o Scribe da ElevenLabs.”
    Fieldy logo
  • “A ElevenLabs facilitou a integração rápida de recursos avançados de transformar texto em áudio no nosso SDK, permitindo que os Agents respondam em tempo real com vozes expressivas às perguntas dos usuários ou como feedback ao que estão vendo.”
    Stream Color Logo
  • “A Twilio integrou a tecnologia de voz IA generativa da ElevenLabs ao seu CPaaS, aprimorando o ConversationRelay. Essa integração permite que empresas e desenvolvedores criem interações de voz IA conversacionais que soam naturais, são expressivas e respondem em tempo real direto da plataforma CPaaS da Twilio. Nós, da ElevenLabs, estamos animados que a Twilio escolheu a ElevenLabs para tornar o ConversationRelay ainda mais expressivo, com as vozes mais naturais e humanas disponíveis.”
    Twilio logo

APIs prontas para produção

Enterprise data protection developers

SDKs

Preços flexíveis de acordo com sua necessidade

Tenha precisão e resposta de alto nível com preços que acompanham desde startups até equipes empresariais.

US$ 0,22 por hora

em todos os planos

UI Screenshot

Perguntas frequentes

    A plataforma de áudio IA mais realista