Scribe v3

general · 首次出现 2026-11-10 · 最近出现 2026-11-20 · 累计提及 8

综述

Scribe v3 是 ElevenLabs 推出的新一代语音识别(语音转文字)模型,与其配套的实时流式版本 Scribe v3 Live 一同发布,主打转录准确率与说话人分离(diarization)能力的提升。在语音 Agent 与实时通话场景快速扩张的背景下,实时转录的断句判断正成为厂商竞逐的关键点。

Scribe v3 近期进展

ElevenLabs 近期动作密集,据其官方账号披露,公司在一个月内连续发布了三个语音模型:Scribe v3、Eleven v4 与 Eleven Realtime,覆盖转录、语音合成与实时对话三条产品线(ElevenLabs 一个月内连发三个语音模型:Scribe v3、Eleven v4 与 Eleven Realtime)。

Scribe v3 与 Scribe v3 Live 为同步发布的两个版本:前者面向高质量离线转录,后者面向实时流式场景(11Labs发布语音识别模型Scribe v3与v3 Live)。官方称新模型在转录准确率和说话人分离准确率上均有提升(ElevenLabs 发布 Scribe v3,转录与说话人分离准确率提升)。

针对实时版本,Decoder 报道指出,Scribe v3 Live 利用对话上下文来判断用户是否说完一句话,避免语音 Agent 在来电者还没说完时就抢话打断——这是实时语音助手常见的体验痛点(ElevenLabs Scribe v3 Live uses conversational context to stop voice agents from cutting off callers mid-sentence)。

当前焦点与观察点

当前对 Scribe v3 的讨论主要集中在两点:一是准确率提升的实际幅度——官方未在宣传中给出与竞品(如 OpenAI Whisper 系列或 Deepgram)的详细基准对比数字,第三方独立评测尚待观察;二是实时场景下的工程价值。传统实时转录依赖静音检测来判断说话结束,容易在停顿处误切断,Scribe v3 Live 用语义上下文辅助断句的思路,代表了实时语音栈从「识别工具」向「对话理解组件」演进的趋势。

对开发者和企业用户而言,值得关注的观察点包括:Scribe v3 在多语言、口音和嘈杂环境下的表现是否如宣传般稳定;其与 ElevenLabs 自家 Eleven Realtime、Eleven v4 组合后的端到端延迟与成本;以及在电话客服、会议转录等高频场景中,说话人分离准确率能否经得起真实业务数据检验。在头部厂商普遍押注实时语音 Agent 的节点上,转录质量与断句策略正在从后台能力变成影响产品体验的前台变量。

相关报道

8 条在档