产品背景
人工智能语音技术公司伊莱文实验室（ElevenLabs）推出全新语音转文字工具Scribe（Scribe），这标志着该公司正式进军语音识别领域，与谷歌（Google）、奥特（Otter）、火萤（Fireflies）和特博转录（TurboScribe）等行业知名企业展开竞争。作为一家以文字转语音和AI语音生成技术闻名的公司，ElevenLabs此次将其在语音领域的专业技术延伸到语音识别方向。
核心功能
Scribe支持99种语言的语音转录，具备以下特色功能：
- 词级时间戳标注
- 智能说话人识别分离
- 音频事件智能标记
- JSON格式输出，便于系统集成
性能优势
在准确性方面，ElevenLabs通过FLEURS和Common Voice基准测试验证，Scribe的识别效果显著优于Gemini 2.0 Flash、Whisper Large V3和Deepgram Nova-3等主流模型。具体表现为：
- 意大利语识别准确率达98.7%
- 英语识别准确率达96.7%
- 在塞尔维亚语、粤语和马拉雅拉姆语等小语种中同样保持较低错误率
应用场景与定价
Scribe可广泛应用于会议记录、电影字幕制作和歌词转写等场景。开发者可通过API接口获取包含非语音事件标记、说话人分离和词级时间戳的结构化转录文本。
产品定价为每小时音频处理0.40美元，并提供为期六周的推广优惠。创作者和企业用户可直接通过ElevenLabs控制面板上传音频或视频文件，获取格式化的转录结果。
ElevenLabs表示，目前产品重点关注准确率提升，支持实时应用的低延迟版本也将很快推出。