一句话看懂：ElevenLabs 推出面向嘈杂音频的语音识别模型 Scribe v3 与低延迟实时版 Scribe v3 Live，前者在独立评测中准确率居前但速度偏慢、价格偏高；实时版主打结合对话上下文，减少语音智能体在来电者短暂停顿时打断对方。
事件核心：发生了什么
2026 年 11 月 12 日，ElevenLabs 发布两款语音转文字模型：Scribe v3 面向已录制音频文件，Scribe v3 Live 面向低延迟实时场景，均可通过 ElevenAPI 和 ElevenAgents 平台使用。公司称，Scribe v3 在 102 种语言上相较前代减少约 25% 的词错误，德语准确率明显提升；多人对话中的说话人分离也更稳定，实时版首次支持该能力。
Artificial Analysis 的独立评测显示，Scribe v3 在准确率上领先微软、Mistral、xAI、Google 和 OpenAI 的竞品，仅次于阿里巴巴的一个预览模型；但其速度处于中游、价格约每千分钟 3.33 美元，微软和 xAI 的模型速度快数倍、错误率略高、价格约为一半。该评测仅覆盖录制文件的词错误，未反映说话人分离、稀有语言和实时表现。
为什么重要
实时语音智能体长期依赖固定停顿计时器，用户思考或慢速念数字时容易被误判为说完而打断。Scribe v3 Live 同时分析音频信号和对话上下文来判断说话是否结束，这属于交互层改进，而不只是转写准确率提升。对 ElevenLabs 而言，这意味着其从语音生成向语音识别和智能体平台延伸，并与微软、xAI 等低价快速方案形成差异：以准确率和上下文理解换速度与成本。
对用户/开发者/创作者的影响
开发者可通过 API 预载品牌名、药品名等数千个专业术语，减少领域词汇误听；还能用自然语言设定数字和日期的格式规则，多语言模式可处理句中语言切换。企业客户可获得欧盟隔离服务器和请求后即删的零保留模式。若追求大批量、低成本的转写，竞品在速度和价格上仍更有优势；若看重准确率、说话人分离和实时防打断，Scribe v3 Live 值得测试。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Scribe v3 Live 的实时防打断在真实电话场景中的误判率是否足够低；二是 ElevenLabs 是否会调整价格或推出更快版本以应对微软、xAI；三是其与 Nvidia、麦肯锡的合作及 Salesforce、IBM、Zendesk 入驻的应用市场能否带动企业采购。
