什么是 Scribe v2 Realtime？

Scribe v2 Realtime 是一款流式语音转文本模型，专为实时转写打造。支持 150 毫秒延迟、30 种语言 93.5% 准确率，在 FLEURS 基准测试中超越 Gemini Flash 2.5、GPT-4o Mini Transcribe 和 Deepgram Nova 3。

Scribe v2 Realtime 与 Scribe v2 有何不同？

Scribe v2 Realtime 针对流式场景优化，延迟为 150 毫秒。Scribe v2（批量）适用于录音音频，支持说话人分离、动态音频标签和 99 种语言。实时场景用 Realtime，后处理用批量。

Scribe 实时转写有多准？

Scribe v2 Realtime 在 99 种语言下都能实现顶级准确率，适应复杂音频、口音和录音质量。公开基准测试中表现优于上一代模型和其他主流 API。

端到端约 150 毫秒，不含应用和网络延迟。比 GPT-4o Mini Transcribe 的 500 毫秒快 3 倍。

什么是负延迟/预测式转写？

Scribe 会在词语和标点说出前提前预测，从而无需等待静音即可提交转写，输出更流畅。

支持哪些语言？

支持 90 多种语言，自动识别语言。模型可在对话中自动切换语言，无需手动配置。

支持哪些音频格式？

支持 8 kHz 到 48 kHz 的 PCM 音频和 μ-law 编码，兼容电话、浏览器和录音棚等多种来源。

Scribe v2 Realtime 支持说话人分离吗？

暂不支持。多说话人识别可用 Scribe v2（批量），最多支持 48 个说话人。

并发限制是多少？

Business 方案支持 30 多路并发流。Enterprise 方案可提升并发上限。大规模需求请联系销售。

Scribe v2 Realtime 是否已集成到 ElevenLabs Agents？

支持。Scribe v2 Realtime 已默认集成到 Agents 平台。

有哪些合规认证？

SOC 2、ISO 27001、PCI DSS Level 1、HIPAA 和 GDPR。企业可选零保留模式和欧盟/印度数据驻留。

实时语音转文本 API

使用 Scribe v2 Realtime 实时转写语音

获取 API 密钥查看文档

Scribe v2 Realtime 是目前最精准的实时语音转文本，延迟仅 150 毫秒，支持 90 多种语言。可通过 API 使用。

演示

代码

Lovable
Veed model
Synthesia
Stripe
Perplexity
Twilio

为速度和准确率而生

获取 API 密钥查看文档

超快、超准，专为实时语音打造。Scribe v2 Realtime 可为实时场景提供即时转写。

最高准确率的实时转写

Scribe v2 Realtime 在约 150 毫秒延迟下实现行业领先的转写准确率，即使在复杂音频或多样口音下也表现出色。

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

适用于各种场景

可在嘈杂环境、背景音乐、强烈口音和低质量音频下稳定转写。

专为实时性能打造的语音识别

基于 Scribe v1 打造，Scribe v2 Realtime 实现约 150 毫秒延迟，在各种口音、语调和环境下都能保持高准确率。

可以退款吗？

好的，请提供订单号。

订单号是 EL4543490

谢谢。已启动退款流程。

退款完成

专为智能体和语音应用设计

Scribe v2 Realtime 专为开发者打造，适用于对话式智能体、会议助手和对速度与准确率要求极高的语音应用。

Scribe

makes

uses

is

has

new

预测式转写，极低延迟

Scribe v2 Realtime 采用预测式转写，提前判断下一个最可能的词和标点，实现实时高准确率。

语音活动检测

自动检测语音起止，精准分割音频，实现流畅高效的实时转写。

手动提交控制

开发者可自定义转写提交时机，适合自定义流式处理和精细化控制。

多种音频格式

支持 PCM（8–48 kHz）和 μ-law 编码，兼容电话、浏览器和录音棚等多种场景。

针对不同场景优化的模型

Scribe v2 适用于批量场景，Scribe v2 Realtime 适用于低延迟需求

Scribe v2

最高准确率，适合批量处理。

准确率 >95%
90 多种语言
非语音事件检测
实体检测
关键词提示

了解更多

Scribe v2 实时

最低延迟，适合实时处理。

延迟低于 150 毫秒
90 多种语言
流式转写
语音活动检测
自动语言识别

了解更多

支持 90 多种语言和多种口音的语音转写

在不同口音、方言和录音条件下都能保持极高准确率。

更改 languageCode 预览不同语言

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

const scribe = useScribe({
  modelId: "scribe_v2_realtime",

  languageCode: 
, // 设置语言

  onSessionStarted: () =>
    console.log("Session started"),
  onPartialTranscript: (data) =>
    console.log("Partial:", data.text)
});

英语

中文

西班牙语

法语

葡萄牙语

德语

日语

意大利语

印地语

英语点击试听

为全球领先企业和品牌赋能

查看客户案例

“从本地语言配音 Reels，到在 Horizon 生成音乐和角色声音，ElevenLabs 平台让全球创作者、企业和机构都能大规模使用语音、音乐和音效。”
“Scribe 在多语言下的高准确率让 Fieldy 能理解每一次日常对话，轻松扩展到全球。迁移到 ElevenLabs Scribe 后，Fieldy 用户留存率提升了 50%。”
“ElevenLabs 让我们能快速为 SDK 集成强大的文本转语音功能，智能体可实时用富有表现力的语音回应用户问题或反馈所见内容。”
“Twilio 已将 ElevenLabs 的生成式 AI 语音技术集成到其 CPaaS，提升了 ConversationRelay。该集成让企业和开发者可直接在 Twilio CPaaS 平台创建拟人、富有表现力、实时响应的对话式 AI 语音交互。ElevenLabs 很高兴能为 ConversationRelay 提供最具表现力、最自然的人声。”