Tangkapan layar menampilkan halaman resmi pada tanggal pengambilan dan mungkin berbeda dari saat artikel diterbitkan. Pilih gambar untuk memperbesar.
Pada 10 November 2026, perusahaan AI suara ElevenLabs merilis "Scribe v3", AI yang mengubah suara menjadi teks. Ada dua jenis, yaitu Scribe v3 untuk rekaman suara dan "Scribe v3 Live" untuk penggunaan real-time yang langsung menuliskan percakapan saat berlangsung.
Akurasi meningkat pesat
Menurut ElevenLabs, kesalahan kata pada Scribe v3 berkurang 27% dibandingkan Scribe v2 sebelumnya. Perbandingan ini dilakukan pada 102 bahasa, dan ElevenLabs menyebut akurasinya meningkat di semua bahasa yang diuji. Per bahasa, kesalahan berkurang 42% untuk bahasa Jerman, 35% untuk bahasa Spanyol, 23% untuk bahasa Inggris, dan 28% untuk bahasa Thai. Akurasi untuk membedakan siapa yang berbicara dalam rekaman dengan banyak pembicara juga meningkat, dan pada percakapan dengan 3 orang atau lebih, kesalahannya berkurang 17%.
Scribe v3 Live untuk penggunaan real-time mencatat kesalahan yang mengubah makna 43% lebih sedikit dibandingkan versi real-time sebelumnya. Untuk pertama kalinya, pembicara kini juga bisa dibedakan secara real-time. Pada bagian bahasa Inggris dari data evaluasi milik ElevenLabs sendiri, tingkat kesalahan pembedaan pembicara adalah 3,1%, lebih rendah daripada model real-time lain yang diuji ElevenLabs (5,9 hingga 7,3%).
Fitur utama
Fitur utamanya sebagai berikut. Tiga fitur pertama adalah fitur Scribe v3 untuk rekaman suara.
- Bisa mendaftarkan hingga 1.000 istilah khusus dan nama diri agar lebih mudah ditranskripsi dengan benar (versi real-time punya mekanisme untuk mendaftarkan lebih banyak istilah)
- Bisa memilih apakah angka ditulis dengan angka atau dengan kata
- Bisa memberi instruksi cara merapikan transkripsi dengan kalimat biasa, seperti "rapikan ke format ..."
- Versi real-time juga mendukung percakapan yang berganti bahasa di tengah kalimat
- Menilai apakah pembicara sudah selesai berbicara bukan hanya dari jeda diam, tetapi juga dari alur percakapan
Perbandingan akurasi tersebut diukur oleh ElevenLabs sendiri.
Tempat untuk memakainya
Scribe v3 dan Scribe v3 Live kini menjadi model standar di aplikasi ElevenLabs. Pengembang bisa beralih hanya dengan mengganti nama model yang ditentukan di API. Scribe v3 Live juga bisa dipakai di layanan ElevenLabs untuk membuat agen AI percakapan.
Untuk perusahaan, tersedia pengaturan agar data tidak disimpan, pemrosesan di lingkungan terpisah di UE, India, dan Singapura selain di AS sebagai standar, serta kontrak yang sesuai dengan regulasi informasi kesehatan AS (HIPAA). Harganya tidak disebutkan dalam pengumuman dan perlu dicek di halaman harga ElevenLabs.
Pandangan Redaksi CoAI
ElevenLabs dikenal lewat teknologi pembacaan teks dengan suara, tetapi kini juga menonjolkan akurasi tinggi dalam transkripsi. Karena akurasinya disebut meningkat di 102 bahasa, peningkatan juga bisa diharapkan untuk mentranskripsi rekaman rapat dan wawancara, termasuk dalam bahasa Jepang. Namun, pengumuman itu tidak menyebutkan besarnya peningkatan untuk bahasa Jepang, sehingga cara paling pasti adalah mencobanya dengan rekaman suara sungguhan.
