ElevenLabs 发布 Scribe v3 与 Scribe v3 Live 语音转文字模型
ElevenLabs 的语音转文字模型升级到 v3，实时版也一起来了。它专门处理嘈杂环境，还能分清是谁在说话，做会议记录或播客转写的开发者可以拿它和 Whisper 比一比。
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。
Introducing Scribe v3 and Scribe v3 Live: our most accurate Speech to Text models yet. Built for real-world audio, Scribe excels in situations with extreme background noise, knows pauses from the end of sentences, and keeps track of who said what in a busy meeting.
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：ElevenLabs、Scribe v3、语音识别、多模态，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「ElevenLabs」（@elevenlabsio），经 AITOP 多维评分管线结构化提炼。
