Elevenlabs推出了新的語音到文本模型
ElevenLabs,一家最近獲得1.8億美元融資的AI新創公司,以其音頻生成技術聞名。但現在,他們大膽跨入新領域,推出首個獨立語音轉文字模型,名為Scribe。
估值33億美元的ElevenLabs一直是許多公司尋求文字轉語音服務的首選,歸功於其龐大的語音庫。現在,他們將目標轉向語音檢測,旨在挑戰Gladia、Speechmatics、AssemblyAI、Deepgram及OpenAI的Whisper模型等大品牌。
Scribe一開始就支援超過99種語言。ElevenLabs表示,其在超過25種語言中具有出色準確度,字詞錯誤率低於5%。包括英語(號稱準確度97%)、法語、德語、印地語、印尼語、日語、卡納達語、馬拉雅拉姆語、波蘭語、葡萄牙語、西班牙語及越南語等。其他語言分為不同準確度類別:高(5%至10%字詞錯誤率)、良好(10%至20%字詞錯誤率)及中等(25%至50%)。
該公司聲稱,根據FLEURS與Common Voice基準測試,Scribe在多種語言中超越Google Gemini 2.0 Flash及Whisper Large V3。

圖片來源:ElevenLabs ElevenLabs去年實際上已為其AI對話代理平台建構了語音轉文字功能,但Scribe是他們首次推出的獨立語音檢測模型。上個月與TechCrunch的對話中,執行長Mati Staniszewski透露了他們增強語音檢測技術的計劃。
Staniszewski表示:「我們希望更擅長理解你在對話中說什麼。我們不再僅限於生成內容;我們正轉向理解與轉錄語音。很多人認為語音轉文字已是舊技術,但在許多語言中仍相當粗糙。我們認為可以做得更好,因為我們有內部團隊標記數據並提供快速反饋。」
Scribe還具備一些很酷的功能,例如智能語者分割以辨識誰在說話、字級時間戳記以提供精準字幕,以及自動標記觀眾笑聲等聲音事件。此外,ElevenLabs允許客戶直接轉錄視頻內容,在其工作室中添加字幕或標題。
目前,Scribe僅支援預錄音頻。但公司表示,他們正在開發低延遲的實時版本,很快將推出。因此,暫時還不適用於會議記錄或語音筆記。
ElevenLabs對Scribe的收費為每小時轉錄音頻0.40美元。價格具競爭力,但一些競爭對手提供更低的音頻轉錄費率,並附帶一些不同的功能。
相關文章
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
相關專題推薦
評論 (29)
0/500
스타트업이 이렇게 빠르게 성장하는 걸 보면 놀랍네요 ㅎㅎ 음성 분야는 경쟁이 심한데, ElevenLabs가 STT 시장에서도 성공할 수 있을까요? 투자금 1억 8천만 달러로 뭔가 특별한 기술을 만들겠죠? 🤔
A ElevenLabs não para de inovar! Esse novo modelo de speech-to-text parece promissor, mas fico pensando... será que vai conseguir competir com gigantes como Google e OpenAI no mercado de transcrição? 🤔 Espero que ofereça algo único pra justificar o hype!
Scribe sounds like a game-changer! I'm curious if it'll handle my thick accent as well as it claims. Excited to try it for podcast transcriptions! 😎
Just saw ElevenLabs' Scribe model news—97% accuracy in English is wild! 😮 I'm curious how it'll handle my thick accent in meetings. Hope they drop that real-time version soon!
¡El Scribe de ElevenLabs es genial! Es increíble cómo han entrado en el mercado de voz a texto con un modelo tan sólido. Mi única queja es que a veces tiene problemas con acentos fuertes. Pero, para ser el primer intento, es bastante impresionante. ¡Sigan así, ElevenLabs! 🚀
ElevenLabs,一家最近獲得1.8億美元融資的AI新創公司,以其音頻生成技術聞名。但現在,他們大膽跨入新領域,推出首個獨立語音轉文字模型,名為Scribe。
估值33億美元的ElevenLabs一直是許多公司尋求文字轉語音服務的首選,歸功於其龐大的語音庫。現在,他們將目標轉向語音檢測,旨在挑戰Gladia、Speechmatics、AssemblyAI、Deepgram及OpenAI的Whisper模型等大品牌。
Scribe一開始就支援超過99種語言。ElevenLabs表示,其在超過25種語言中具有出色準確度,字詞錯誤率低於5%。包括英語(號稱準確度97%)、法語、德語、印地語、印尼語、日語、卡納達語、馬拉雅拉姆語、波蘭語、葡萄牙語、西班牙語及越南語等。其他語言分為不同準確度類別:高(5%至10%字詞錯誤率)、良好(10%至20%字詞錯誤率)及中等(25%至50%)。
該公司聲稱,根據FLEURS與Common Voice基準測試,Scribe在多種語言中超越Google Gemini 2.0 Flash及Whisper Large V3。

ElevenLabs去年實際上已為其AI對話代理平台建構了語音轉文字功能,但Scribe是他們首次推出的獨立語音檢測模型。上個月與TechCrunch的對話中,執行長Mati Staniszewski透露了他們增強語音檢測技術的計劃。
Staniszewski表示:「我們希望更擅長理解你在對話中說什麼。我們不再僅限於生成內容;我們正轉向理解與轉錄語音。很多人認為語音轉文字已是舊技術,但在許多語言中仍相當粗糙。我們認為可以做得更好,因為我們有內部團隊標記數據並提供快速反饋。」
Scribe還具備一些很酷的功能,例如智能語者分割以辨識誰在說話、字級時間戳記以提供精準字幕,以及自動標記觀眾笑聲等聲音事件。此外,ElevenLabs允許客戶直接轉錄視頻內容,在其工作室中添加字幕或標題。
目前,Scribe僅支援預錄音頻。但公司表示,他們正在開發低延遲的實時版本,很快將推出。因此,暫時還不適用於會議記錄或語音筆記。
ElevenLabs對Scribe的收費為每小時轉錄音頻0.40美元。價格具競爭力,但一些競爭對手提供更低的音頻轉錄費率,並附帶一些不同的功能。
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
스타트업이 이렇게 빠르게 성장하는 걸 보면 놀랍네요 ㅎㅎ 음성 분야는 경쟁이 심한데, ElevenLabs가 STT 시장에서도 성공할 수 있을까요? 투자금 1억 8천만 달러로 뭔가 특별한 기술을 만들겠죠? 🤔
A ElevenLabs não para de inovar! Esse novo modelo de speech-to-text parece promissor, mas fico pensando... será que vai conseguir competir com gigantes como Google e OpenAI no mercado de transcrição? 🤔 Espero que ofereça algo único pra justificar o hype!
Scribe sounds like a game-changer! I'm curious if it'll handle my thick accent as well as it claims. Excited to try it for podcast transcriptions! 😎
Just saw ElevenLabs' Scribe model news—97% accuracy in English is wild! 😮 I'm curious how it'll handle my thick accent in meetings. Hope they drop that real-time version soon!
¡El Scribe de ElevenLabs es genial! Es increíble cómo han entrado en el mercado de voz a texto con un modelo tan sólido. Mi única queja es que a veces tiene problemas con acentos fuertes. Pero, para ser el primer intento, es bastante impresionante. ¡Sigan así, ElevenLabs! 🚀





首頁






