ElevenLabs 发布 Scribe v3 与 Scribe v3 Live 语音转文字模型

ElevenLabs 发布 Scribe v3 和 Scribe v3 Live 两款语音转文字模型，称这是其准确性最高的版本。模型针对真实场景音频设计，重点提升在强背景噪音下的识别表现。Scribe v3 Live 为实时流式版本，面向直播、会议等需要低延迟转写的场景。 具体能力上，模型能区分语句中的停顿与句子结束，改善断句和标点质量；在多人会议等嘈杂环境中可追踪说话人，输出按人区分的转写结果。这些特性针对会议记录、播客转写、客服录音等实际业务中常见的脏音频问题。实际准确率数字和基准成绩官方推文未给出，需查看完整发布公告确认。 语音转写赛道上，OpenAI Whisper、Deepgram、AssemblyAI 等都在竞争，ElevenLabs 主打真实音频场景下的鲁棒性和说话人分离能力作为差异点。对需要做多语言会议记录或音视频内容处理的开发者来说，实时版 Scribe v3 Live 提供了流式转写的新选项。