Ảnh chụp hiển thị trang chính thức vào ngày chụp và có thể khác với thời điểm xuất bản bài viết. Chọn ảnh để phóng to.
Ngày 10/11/2026, công ty AI giọng nói ElevenLabs đã ra mắt "Scribe v3", AI chuyển giọng nói thành văn bản. Có 2 loại: Scribe v3 dành cho âm thanh đã ghi sẵn, và "Scribe v3 Live" dành cho thời gian thực, chuyển ngay các cuộc hội thoại thành văn bản.
Độ chính xác tăng mạnh
Theo ElevenLabs, Scribe v3 mắc ít lỗi từ hơn 27% so với Scribe v2 trước đó. Phép so sánh này được thực hiện trên 102 ngôn ngữ và công ty cho biết độ chính xác đều tăng ở mọi ngôn ngữ đã thử. Theo từng ngôn ngữ, lỗi giảm 42% với tiếng Đức, 35% với tiếng Tây Ban Nha, 23% với tiếng Anh và 28% với tiếng Thái. Độ chính xác khi phân biệt ai đang nói trong bản ghi có nhiều người nói cũng tăng, với hội thoại từ 3 người trở lên, lỗi giảm 17%.
Với Scribe v3 Live dành cho thời gian thực, các lỗi làm sai lệch ý nghĩa giảm 43% so với bản thời gian thực trước đó. Lần đầu tiên, mô hình có thể phân biệt người nói ngay cả khi chạy thời gian thực. Với phần tiếng Anh trong bộ dữ liệu đánh giá riêng của ElevenLabs, tỷ lệ lỗi phân biệt người nói là 3,1%, thấp hơn các mô hình thời gian thực khác mà ElevenLabs đã thử (5,9–7,3%).
Các tính năng chính
Các tính năng chính như sau. Ba tính năng đầu tiên thuộc Scribe v3 dành cho âm thanh ghi sẵn.
- Đăng ký tối đa 1.000 thuật ngữ chuyên môn và danh từ riêng để chép lời chính xác hơn (bản thời gian thực có cơ chế cho phép đăng ký nhiều từ hơn)
- Chọn viết số bằng chữ số hay bằng chữ
- Chỉ dẫn cách trình bày bản chép lời bằng câu thông thường, chẳng hạn "hãy trình bày theo định dạng..."
- Bản thời gian thực xử lý được cả những cuộc hội thoại đổi ngôn ngữ giữa câu
- Đánh giá người nói đã nói xong hay chưa dựa vào cả khoảng lặng lẫn mạch hội thoại
Các so sánh độ chính xác là do chính ElevenLabs đo.
Dùng ở đâu
Scribe v3 và Scribe v3 Live đã trở thành mô hình mặc định trong ứng dụng ElevenLabs. Nhà phát triển chỉ cần đổi tên mô hình chỉ định trong API là có thể chuyển sang. Scribe v3 Live cũng dùng được trong dịch vụ của ElevenLabs để xây dựng tác tử AI trò chuyện bằng giọng nói.
Với doanh nghiệp, ElevenLabs cung cấp tùy chọn không lưu dữ liệu, xử lý trong môi trường tách biệt tại EU, Ấn Độ và Singapore bên cạnh Mỹ là mặc định, cùng hợp đồng đáp ứng quy định về thông tin y tế của Mỹ (HIPAA). Thông báo không nêu giá, cần xem trên trang bảng giá của ElevenLabs.
Góc nhìn của ban biên tập CoAI
ElevenLabs vốn nổi tiếng về đọc văn bản thành giọng nói, nhưng nay cũng bắt đầu nhấn mạnh độ chính xác cao trong mảng chuyển giọng nói thành văn bản. Công ty cho biết độ chính xác tăng ở 102 ngôn ngữ, nên có thể kỳ vọng cải thiện cả khi chép lời các cuộc họp hay buổi phỏng vấn có tiếng Nhật. Tuy nhiên, thông báo không nêu mức cải thiện với tiếng Nhật, nên cách chắc chắn nhất là thử với âm thanh thực tế để kiểm chứng.
