演示
代码
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
100%
95%
90%
85%
Scribe v2
GPT 4o 转录
Gemini 2.5 Pro
Deepgram Nova 3
前所未有的转录准确率
Scribe v2 实现行业领先的转录准确率,即使在复杂音频环境或多样口音下,也能输出干净、可编辑的文本。
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
在嘈杂环境、背景音乐、强烈口音和低质量音频下也能准确转录。
精细控制时间轴、说话人和非语音事件
ElevenLabs 转录 API 可识别笑声、情感和音效。通过关键词提示,支持领域专属词汇转录。
音频与视频转录
支持上传 MP3、MP4、WAV、MOV 等常见格式。Scribe 可异步处理最长 10 小时文件,大批量任务支持 webhook 通知。
.webp&w=3840&q=95)
干净、可编辑的转录稿
输出带标点、分段的文本,便于编辑、发布或后续处理,无需额外整理。
.webp&w=3840&q=95)
关键词提示
最多支持 100 个领域专属词汇,产品名、技术术语、专业词汇首次转录即准确。

动态音频标记
可捕捉笑声、掌声、音乐、背景噪音等非语音事件。转录稿完整还原音频上下文,不仅仅是文字内容。
智能说话人分离
自动识别并标记最多 48 位说话人,清晰区分发言人,转录稿结构清晰易读。
实体识别
自动识别并标记 56 种实体类型,包括姓名、日期、地点和组织等。
支持 90 多种语言和多种口音的语音转录
在不同口音、方言和录音条件下都能保持高准确率。
更改 languageCode 预览不同语言
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: , // 设置语言
diarize: true
});
console.log(transcription);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提供支持
“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 在多语言环境下的高准确率,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,增强了 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、最自然的语音。”
专为生产环境打造的 API

常见问题
批量转录 API 是 Scribe 的一部分,专为大规模音频和视频转录设计。开发者和企业可高精度处理数小时录音,支持 99 种语言。
Scribe 支持所有常见格式,包括 MP4、MOV、MP3、WAV 等。
Scribe v2 在 99 种语言中实现顶级准确率,适应复杂音频环境、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。
处理时间取决于文件长度和并发量。Scribe 针对吞吐量优化,可高并发处理大规模任务,转录结果最快数秒即可返回。
支持。API 提供智能说话人分离、词级和字符级时间戳,以及笑声、音乐等非语音事件的动态标记。
支持。可自定义词汇,确保产品名、技术术语或品牌专属短语通过关键词提示准确转录。
Scribe 支持 SOC 2、GDPR 和可选 HIPAA 合规。数据传输和存储全程加密,团队可启用 EU 数据驻留或零保留模式,严格管控数据。
按输入音频分钟数计费,支持大批量优惠和企业方案。欢迎联系销售团队沟通需求。
生成 API 密钥并查看文档,即可立即开始转录。


