Vad är ElevenLabs Bulk Transcription API?

Bulk Transcription API är en del av Scribe, vårt Speech to Text-system för storskalig transkribering av ljud och video. Det gör det möjligt för utvecklare och företag att bearbeta timmar av inspelat material med marknadsledande noggrannhet på 99 språk.

Vilka typer av ljud- och videofiler kan jag ladda upp?

Scribe stöder alla vanliga format, inklusive MP4, MOV, MP3, WAV och fler.

Hur noggrann är Scribe för bulktranskribering?

Scribe v2 ger bästa möjliga noggrannhet på 99 språk och är robust även vid svåra ljudförhållanden, dialekter och varierande inspelningskvalitet. Den presterar bättre än tidigare modeller och andra ledande API:er i offentliga tester.

Hur lång tid tar transkriberingen för stora filer?

Bearbetningstiden beror på filens längd och hur många som körs samtidigt. Scribe är optimerad för hög kapacitet och klarar stora volymer parallellt, så du får transkriptioner på några sekunder till minuter.

Stöder Scribe talarseparation och tidsstämplar?

Ja. API:et har smart talaridentifiering, tidsstämplar på ord- och teckennivå samt dynamisk ljudtaggning för icke-talshändelser som skratt eller musik.

Kan jag anpassa modellen för branschspecifika termer?

Ja. Du kan ange egna vokabulärer för att säkerställa korrekt transkribering av produktnamn, tekniska termer eller unika varumärkesuttryck med hjälp av nyckelordspromptning.

Är Bulk Transcription API säkert och följer reglerna?

Scribe stöder SOC 2, GDPR och valfri HIPAA-efterlevnad. Data krypteras både under överföring och lagring, och team kan välja EU-data eller Zero Retention för striktare kontroll.

Hur prissätts Bulk Transcription API?

Priset baseras på användning, beräknat per minut av inmatat ljud. Volymrabatter och företagsavtal finns för stora volymer. Kontakta vårt säljteam för att diskutera dina behov.

Hur kommer jag igång?

Du kan börja transkribera direkt genom att skapa en API-nyckel och utforska API-dokumentationen.

Speech to Text API

Transkribera tal med ElevenLabs Scribe v2

Hämta API-nyckel Utforska dokumentation

Högsta noggrannhet för STT i större projekt. Upptäck betoningar och ljudeffekter, och styr transkriberingen med nyckelord.

Demo

Kod

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

Natural Speech

Low-quality Audio

Accents

Domain Terms

Lovable
Veed model
Synthesia
Stripe
Perplexity
Twilio

Mest träffsäkra Speech to Text API för batchjobb

Hämta API-nyckel Utforska dokumentation

Skapa undertexter, textremsor och redigerbara transkriptioner för poddar, videor, intervjuer och annat inspelat material – allt med branschledande noggrannhet via API.

Oöverträffad transkriptionsnoggrannhet

Scribe v2 ger branschledande transkriptionsnoggrannhet och levererar ren, redigerbar text även vid svåra ljudförhållanden eller olika dialekter.

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

Natural Speech

Low-quality Audio

Accents

Domain Terms

Utformad för alla situationer

Transkribering som fungerar även i bullriga miljöer, med bakgrundsmusik, starka dialekter och låg ljudkvalitet.

Detaljerad kontroll över timing, talare och icke-talshändelser.

ElevenLabs Transcription API kan upptäcka skratt, känslor och ljudeffekter. Använd nyckelord för att styra transkriberingen med branschspecifika termer.

Transkribera ljud och video

Ladda upp MP3, MP4, WAV, MOV och andra vanliga format. Scribe hanterar filer upp till 10 timmar med asynkron bearbetning och webhook-notiser för stora batcher.

Rena, redigerbara transkriptioner

Få korrekt punktuerad text med styckeindelning, redo för redigering, publicering eller vidare bearbetning. Ingen efterbearbetning krävs.

Nyckelordspromptning

Förbättra igenkänningen för upp till 100 branschspecifika termer. Produktnamn, tekniska uttryck och specialiserat ordförråd transkriberas rätt direkt.

Dynamisk ljudtaggning

Fånga upp icke-talshändelser som skratt, applåder, musik och bakgrundsljud. Transkriptionerna innehåller hela ljudets kontext, inte bara orden.

Smart talaridentifiering

Identifiera och märk automatiskt upp till 48 talare. Tydlig uppdelning av vem som säger vad, organiserat i lättlästa transkriptioner.

Enhetsigenkänning

Identifiera och tagga automatiskt 56 olika enhetstyper, som namn, datum, platser och organisationer i dina transkriptioner.

Scribe v2

Högsta noggrannhet, anpassad för batchjobb.

>95% Noggrannhet
90+ Språk
Icke-talshändelser
Enhetsigenkänning
Nyckelordspromptning

Läs mer

Scribe v2 i realtid

Lägst fördröjning, för realtidsjobb.

Under 150 ms fördröjning
90+ Språk
Transkriptionsströmning
Röstaktivitetsdetektion
Automatisk språkkänning

Läs mer

Transkribera tal på över 90 språk och många olika dialekter

Ger högsta noggrannhet oavsett dialekt, accent eller inspelningskvalitet.

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_v2",
	  tagAudioEvents: true,
	  languageCode: 
, // Välj språk
	  diarize: true
	});

console.log(transcription);

Engelska

Kinesiska

Spanska

Franska

Portugisiska

Tyska

Japanska

Italienska

Hindi

EngelskaKlicka för att förhandsgranska

Används av världsledande företag och varumärken

Se kundberättelser

“Från att dubba Reels på lokala språk till att skapa musik och karaktärsröster i Horizon – ElevenLabs plattform gör det möjligt för kreatörer, företag och organisationer världen över att arbeta med röst, musik och ljud i stor skala.”
“Scribes oslagbara noggrannhet på så många språk gör att Fieldy kan förstå varje samtal och enkelt växa över hela världen. Fieldy har ökat användarretentionen med 50% efter att ha gått över till ElevenLabs Scribe.”
“ElevenLabs gjorde det enkelt för oss att snabbt lägga till kraftfull Text to Speech i vårt SDK, så att agenter kan svara i realtid med uttrycksfulla röster på användarfrågor eller ge feedback på vad de ser.”
“Twilio har integrerat ElevenLabs generativa AI-röstteknik i sin CPaaS och förbättrat ConversationRelay. Den här integrationen gör det möjligt för företag och utvecklare att skapa konversations-AI med röster som låter mänskliga, känns uttrycksfulla och svarar i realtid direkt från Twilios CPaaS-plattform. Vi på ElevenLabs är glada att Twilio valt oss för att göra ConversationRelay ännu mer uttrycksfullt och mänskligt.”