ElevenLabs 发布自家语音转文本模型

ElevenLabs 推出首个独立语音转文字模型 Scribe，与 OpenAI Whisper 等竞争。这家估值 33 亿美元的公司此前专注文本转语音技术，如今进军语音检测领域。

Scribe 支持 99 种语言，其中 25 种语言的词错误率低于 5%，包括英语（97% 准确率）、法语、德语、日语等。基准测试显示，该模型在多种语言上的表现优于谷歌 Gemini 2.0 Flash 和 Whisper Large V3。

Scribe 具备智能说话人分割、单词级时间戳和自动标记声音事件等功能，可用于字幕生成。目前仅支持预录音频，低延迟实时版即将推出。定价为每小时 0.40 美元，但部分竞争对手提供更低价格。