核心要点速览

  • 面向录音的 Scribe v3 支持 102 种语言,词错误率比 Scribe v2 低 27%
  • 低延迟的 Scribe v3 Live 将错误减少 43%,并首次搭载说话人分离
  • ElevenAPI 只需改一行模型 ID 即可切换,v3 Live 也可在 ElevenAgents 中使用

以真实噪声与会议人声重叠为前提的两条产品线

ElevenLabs(@ElevenLabs)于 2026 年 11 月 10 日在官方 X 上,将 Scribe v3 与 Scribe v3 Live 作为精度最高的语音转文字公开发布。博客由 Min Kim 于当天撰写,并于 14 日更新。会议纪要、语音智能体、配音、临床记录和广播存档都以转写为起点,错误越到下游,修正代价越高。

录音降 27%、实时降 43% 的精度差

从笔记应用到语音智能体,Scribe 已经支撑了数亿小时的转写。v3 面向录音,v3 Live 面向低延迟实时;后者首次加入说话人分离,话轮检测也做了改进。

印地语与英语切换逼出的现场五个问题

开发的起点,是在 Scribe 上做产品的团队反复提出的同样五个问题。即便在拥挤的房间里说话人标签也不乱,以及不把交谈中的停顿误当成句末的话轮检测,在官方博客里都各自单独成节。

用 ElevenAgents 走通第一遍转写

官方把这几个点的精度,讲成两件事的价值:借助 ElevenAgents 从一开始就拿到正确转写,以及面向企业的落地实现。接入可从博客文章(https://elevenlabs.io/blog/scribe-v3)着手。

Scribe v3:嘈杂会议里也能准确追踪说话人:原站入口在新标签页查看原始页面的完整内容
打开「Scribe v3」官方页面及相关链接 ↗

X(推特)首发原帖

可在 X 上直接查看创作者发布的原帖与互动详情。

常见问题

从 Scribe v2 切换时,代码要改哪里?

在 ElevenAPI 中只需改一行模型 ID 即可,官方将其作为从 v2 迁移的步骤加以说明。

参考链接与官方出处

  1. Scribe v3 関連ソース (1)x.com
  2. Scribe v3 関連ソース (2)elevenlabs.io