ElevenLabs 发布 Scribe v3 与 Scribe v3 Live 语音识别模型

ElevenLabs 发布了 Scribe v3 和 Scribe v3 Live 两款语音识别模型，主打在背景噪音和多人同时说话的场景下保持准确转写。根据 Artificial Analysis 的基准测试，Scribe v3 的准确率小幅超过了 OpenAI、Google 和 Microsoft 的同类模型。 Scribe v3 Live 针对实时语音智能体场景做了专门优化，它会利用对话上下文来判断说话者是否已经说完，避免智能体在来电者还在讲话时就打断对方，这是电话客服类应用中常见的痛点。 不过这套精度是有代价的：Microsoft 和 xAI 的模型运行速度快数倍，价格大约只有一半。对延迟敏感、对成本敏感的团队需要在准确率与速度、价格之间权衡。