Möt Scribe

Transkribera tal till text med världens mest exakta ASR-modell

26 feb. 2025 • 4 minuter lästid

Scribe, vår första Tal till text modellen är världens mest exakta transkriptionsmodell. Byggd för att hantera oförutsägbarheten i verklig ljud, transkriberar Scribe tal på 99 språk, med tidsstämplar på ordnivå, talardiarisering och ljudhändelse-tagging - allt levererat i ett strukturerat svar för sömlös integration.

Scribe är konstruerad för precision. I FLEURS och Common Voice-benchmarktester över 99 språk presterar den konsekvent bättre än ledande modeller som Gemini 2.0 Flash, Whisper Large V3 och Deepgram Nova-3. Oavsett om det handlar om mötes sammanfattningar, filmundertexter eller till och med låttexter, levererar Scribe den lägsta automatiserade transkriptionens felaktighetsgrad i italienska (98,7 %), engelska (96,7 %) och 97 andra språk.

Scribe gör ASR universellt tillgängligt - vilket dramatiskt minskar felen i traditionellt underbetjänade språk som serbiska, kantonesiska och malayalam, där konkurrerande modeller ofta överstiger 40 % felaktiga ord.

Utvecklare kan integrera Scribe idag via vår Tal till text API att få strukturerade JSON-transkript med talardiarisering och tidsstämplar på ordnivå & icke-talshändelsemarkörer (t.ex. skratt). En låg-latensversion för realtidsapplikationer kommer snart att släppas.

Skapare och företag kan använda Scribe direkt via ElevenLabs instrumentpanel att ladda upp ljud- eller videofiler och generera formaterade transkriptioner.

Börja bygga med Scibe:

API-dokumentation $ Försök i ElevenLabs-instrumentpanelen