ElevenLabs ha rilasciato i modelli di riconoscimento vocale Scribe v3 e Scribe v3 Live

L'azienda ElevenLabs ha presentato due nuovi modelli di riconoscimento vocale: Scribe v3 e Scribe v3 Live. Sono stati creati per la trascrizione accurata dell'audio in presenza di rumore di fondo e conversazioni sovrapposte.

Le novità sono pensate per l'utilizzo negli agenti vocali. La versione Scribe v3 Live sfrutta il contesto conversazionale, il che permette di evitare situazioni in cui gli agenti IA interrompono prematuramente gli interlocutori a metà frase.

I benchmark indipendenti di Artificial Analysis confermano che il modello base Scribe v3 mostra un'elevata precisione, superando leggermente soluzioni analoghe di OpenAI, Google e Microsoft.

Tuttavia, la maggiore precisione ha influito sulle prestazioni e sui costi. Le soluzioni concorrenti di Microsoft e xAI funzionano diverse volte più velocemente e costano circa la metà in termini di volume di elaborazione.

L'arrivo di questi modelli offre agli sviluppatori di interfacce conversazionali uno strumento per migliorare la qualità dei dialoghi grazie alla gestione del contesto, nonostante i requisiti di risorse più elevati.