30 000 krediter för $1Börja med 30 000 krediter för endast $1.

30 000 krediter för $1Börja med 30 000 krediter för endast $1.

Vi presenterar Eleven v4Möt Eleven v4, vår mest uttrycksfulla modell hittills.

Hoppa till innehållet

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.

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

  • 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.

Scribe v3JämförelsemodellOrdfelfrekvens
20 %0 %5 %10 %15 %20 %
  • Scribe v2

    102 språk

    Scribe v3: 12,4 %
    Jämförelsemodell: 18,5 %
  • GPT-Transcribe

    58 språk

    Scribe v3: 5,5 %
    Jämförelsemodell: 9,7 %
  • MAI-Transcribe-2

    60 språk

    Scribe v3: 6,5 %
    Jämförelsemodell: 7,5 %
  • Muse Voice Transcribe

    25 språk

    Scribe v3: 6,6 %
    Jämförelsemodell: 16,6 %

Oöverträffad transkriberingsnoggrannhet

Scribe v3 gör 27 % färre ordfel än Scribe v2 på 102 språk, och färre än alla andra batchmodeller vi testade.

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

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

Ladda upp MP3, MP4, WAV, MOV och andra vanliga format. Scribe hanterar filer på upp till 15 timmar med asynkron bearbetning och webhook-aviseringar för stora batcher.
JavaScript code transcribing an interview video with ElevenLabs speech-to-text API.

Rena, redigerbara transkriptioner

Få korrekt interpunkterad text med styckeindelning, redo för redigering, publicering eller efterföljande bearbetning. Ingen efterbearbetning krävs.
Editable transcripts

Nyckelordspromptning

Öka igenkänningsnoggrannheten för upp till 1 000 domänspecifika termer. Produktnamn, teknisk jargong och specialiserade ord transkriberas korrekt direkt.
Keyterm Prompting

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.

Medication renewal message flags metformin 500mg and asks about continued levothyroxine.

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.

Scribe v2 MedicalScribe v2 (basmodell)Ordfelfrekvens
20 %0 %5 %10 %15 %20 %
  • Totalt

    Scribe v2 Medical: 9,7 %
    Scribe v2 (basmodell): 10,6 %
  • I kliniska meningar

    Scribe v2 Medical: 6,2 %
    Scribe v2 (basmodell): 9,9 %
  • Enskilda läkemedelsnamn

    Scribe v2 Medical: 13,9 %
    Scribe v2 (basmodell): 14,4 %
  • Samtal

    Scribe v2 Medical: 6,1 %
    Scribe v2 (basmodell): 6,1 %

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.

Abstract gray textured background with soft diagonal light and dark bands.

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
Abstract grayscale bands of soft light and shadow sweeping diagonally.

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
Abstract grayscale texture with diagonal streaks and a soft gradient from dark to light.

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);
Flag for en
Engelska
Flag for zh
Kinesiska
Flag for es
Spanska
Flag for fr
Franska
Flag for pt
Portugisiska
Flag for de
Tyska
Flag for ja
Japanska
Flag for it
Italienska
Flag for hi
Hindi
Flag for en
EngelskaKlicka för att förhandsgranska

Driver världens ledande företag och varumärken

  • “Från dubbning av 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.”
    Meta Color Logo
  • “Scribes oöverträffade noggrannhet på så många språk gör att Fieldy kan förstå varje dagligt samtal och enkelt skala över kontinenter. Fieldy har ökat användarretentionen med 50 % efter bytet till ElevenLabs Scribe.”
    Fieldy logo
  • “ElevenLabs gjorde det enkelt för oss att snabbt lägga till kraftfulla text-till-tal-funktioner i vårt SDK, så att Agents kan svara i realtid med uttrycksfulla röster på användarnas frågor eller ge återkoppling på det de ser.”
    Stream Color Logo
  • “Twilio har integrerat ElevenLabs generativa AI-röstteknik i sin CPaaS och förbättrat ConversationRelay. Integrationen gör det möjligt för företag och utvecklare att skapa konversationsbaserade AI-röstinteraktioner som låter mänskliga, känns uttrycksfulla och svarar i realtid direkt från Twilios CPaaS-plattform. Vi på ElevenLabs är glada över att Twilio har valt ElevenLabs för att förbättra ConversationRelay med de mest uttrycksfulla och mänskligt klingande rösterna som finns. ”
    Twilio logo

API:er byggda för produktion

Enterprise data protection developers

Data krypteras under överföring och lagring, med stöd för efterlevnad av SOC 2, HIPAA och GDPR. Lägena EU Data Residency och Zero Retention finns tillgängliga för striktare datakontroll.

Data krypteras under överföring och lagring, med stöd för efterlevnad av SOC 2, HIPAA och GDPR. Lägena EU Data Residency och Zero Retention finns tillgängliga för striktare datakontroll.

SDKs

Officiella SDK:er för Python och TypeScript med typsäkerhet, stöd för strömning och tydliga exempel.

Vårt team ser till att lanseringen går smidigt och att din verksamhet fungerar tillförlitligt, med konsekvent prestanda och trygghet.

Vanliga frågor

Senaste uppdateringarna

    Den mest realistiska AI-ljudplattformen