截图展示拍摄日期的官方页面，可能与文章发布时不同。点击图片可放大。
语音AI企业ElevenLabs于2026年11月10日发布了将语音转为文字的AI“Scribe v3”。它分为两种：面向录音的Scribe v3，以及可将对话等内容当场转为文字的实时版“Scribe v3 Live”。
准确度大幅提升
据ElevenLabs介绍，与上一代Scribe v2相比，Scribe v3的单词错误减少了27%。这项比较覆盖102种语言，ElevenLabs称在测试的所有语言中准确度都有所提升。按语言来看，德语错误减少42%，西班牙语减少35%，英语减少23%，泰语减少28%。在多人说话的录音中，区分谁在说话的准确度也有所提升，三人以上对话中的错误减少了17%。
实时版Scribe v3 Live与上一代实时版相比，改变原意的错误减少了43%。这次它首次实现了在实时转写中区分说话人。ElevenLabs称，在其自有评测数据的英语部分中，说话人区分错误率为3.1%，低于ElevenLabs测试的其他实时模型（5.9～7.3%）。
主要功能
主要功能如下。前三项是面向录音的Scribe v3的功能。
- 最多可登记1,000个专业术语和专有名词，更容易正确转写（实时版有可登记更多词语的机制）
- 可选择数字用阿拉伯数字书写还是用文字书写
- 可以用普通的句子指示转写内容的整理方式，例如“整理成……格式”
- 实时版支持在句子中途切换语言的对话
- 不仅根据沉默，还会根据对话的走向判断说话人是否已经说完
准确度的比较由ElevenLabs自己测得。
可用渠道
Scribe v3和Scribe v3 Live已成为ElevenLabs应用中的默认模型。开发者只需在API中修改模型名称即可切换。Scribe v3 Live也可用于ElevenLabs构建对话式AI智能体的服务。
面向企业，ElevenLabs提供不保存数据的设置、除默认的美国外，还可在欧盟、印度和新加坡的隔离环境中处理数据，以及符合美国医疗信息法规（HIPAA）的合同等。公告中未公布价格，需要在ElevenLabs的价格页面确认。
CoAI编辑部观点
ElevenLabs以语音朗读闻名，如今在语音转写方面也开始强调高准确度。由于它称102种语言的准确度都有所提升，在将包括日语在内的会议和采访录音转为文字的用途上，也可以期待改善。不过，公告中没有给出日语的改善幅度，最稳妥的做法是用实际的音频试一试。
