ElevenLabs 發布了 Scribe v3 和 Scribe v3 Live 語音辨識模型

ElevenLabs 推出了兩款全新的語音辨識模型——Scribe v3 與 Scribe v3 Live。它們旨在於背景噪音和多人交談的環境中，精確地將語音轉換為文字。

這些新產品專為語音代理應用而設計。Scribe v3 Live 版本利用對話上下文，能有效防止 AI 代理在對方話未說完時就中斷對話的情況。

來自 Artificial Analysis 的獨立基準測試證實，基礎版 Scribe v3 展現了極高的準確度，略微領先 OpenAI、Google 和 Microsoft 的同類解決方案。

然而，準確度的提升也影響了效能與成本。Microsoft 和 xAI 的競爭解決方案在處理速度上快了數倍，且單位處理量的成本約為其一半。

儘管資源需求較高，但這些模型的出現為對話介面開發者提供了一種透過上下文感知來提升對話品質的工具。