Speech to Text API
Transkribera tal med ElevenLabs Scribe v3
Vår mest träffsäkra Speech to Text-modell. Transkribera möten, samtal och intervjuer med talaretiketter och kontroll över de ord som är viktiga.
- Lovable
- Veed model
- Synthesia
- Stripe
- Perplexity
- Twilio
Mest träffsäkra Speech to Text API för batchjobb
Skapa undertexter, textremsor och redigerbara transkriptioner för poddar, videor, intervjuer och annat inspelat material – allt med branschledande noggrannhet via API.
Oöverträffad transkriberingsnoggrannhet
Scribe v3 gör 27 % färre ordfel än Scribe v2 på 102 språk, och färre än alla andra batchmodeller vi testade.
Utformad för alla scenarier
Transkribering som fungerar i bullriga miljöer, med bakgrundsmusik, starka accenter och ljud av låg kvalitet.
Detaljerad kontroll över tidpunkter, talare och händelser som inte är tal.
ElevenLabs Transcription API kan upptäcka skratt, känslor och ljudeffekter. Använd nyckelordspromptning för att styra transkriberingen med domänspecifika termer.
Transkribera ljud och video

Rena, redigerbara transkriptioner
.webp&w=3840&q=95)
Nyckelordspromptning

Dynamisk ljudtaggning
Fånga händelser som inte är tal, såsom skratt, applåder, musik och bakgrundsljud. Transkriptionerna innehåller hela ljudets sammanhang, inte bara orden.
Smart talardiarisering
Identifiera och märk automatiskt upp till 32 talare. Tydlig information om vem som sa vad, organiserad i lättlästa transkriptioner.
Entitetsidentifiering
Identifiera och tagga automatiskt 56 entitetstyper, inklusive namn, datum, platser och organisationer, i dina transkriptioner.
Transkribera kliniskt ljud med Scribe v2 Medical
En Speech to Text-modell optimerad för medicinsk transkribering och kliniska arbetsflöden, med förbättrad igenkänning av läkemedelsnamn samt anatomiska och patologiska termer.

Transkribera kliniskt tal
Omvandla samtal mellan vårdpersonal och patienter, läkares diktat och patientintag till exakt text, redo att granskas av vårdpersonal och användas i anteckningar, kodning och efterföljande dokumentationsflöden.
Färre fel i medicinska termer
I term-WER gör Scribe v2 Medical 15 % färre fel än Scribe v2 i Eka Medical ASR-testuppdelningen, med förbättrad medicinsk taligenkänning för kliniskt ordförråd.

Scribe v3
Högsta noggrannhet, utformad för batcharbetsbelastningar.
- 27 % färre fel än Scribe v2
- Lägsta talarsepareringsfel vi har testat
- Talformatering och språktips
- Entitetsidentifiering och nyckelordsstyrning
- Stöd för över 90 språk

Scribe v3 Live
Lägst latens, för arbetsbelastningar i realtid.
- Latens under 150 ms
- 43 % färre fel än v2 Realtime
- Nyckelordsbibliotek och flerspråkigt läge
- Förbättrad turdetektering
- Stöd för över 90 språk

Scribe v2 Medical
Medicinsk finjustering för klinisk transkribering.
- Anpassning för medicinskt ordförråd
- Transkribering på över 90 språk
- Samma resultat som Scribe v2 för vardagligt tal
- Förbättrad igenkänning av läkemedelsnamn
- HIPAA-kompatibel för företagskunder
Transkribera tal på över 90 språk och med många olika accenter
Exceptionell noggrannhet för accenter, dialekter och olika inspelningsförhållanden.
Ändra languageCode för att förhandsgranska språk
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: , // Välj språk
diarize: true
});
console.log(transcription);


