ElevenLabs发布Scribe v3系列：102种语言转写，实时语音延迟优化

事件核心：发生了什么

2026年11月13日，ElevenLabs发布Scribe v3与Scribe v3Live两个语音转文字模型。Scribe v3用于预录音频转写，官方称支持102种语言，词错误率比上一代下降约25%，德语识别准确率明显提升，在大型多人对话中的说话人分离也更稳定；Scribe v3Live则面向实时语音应用，首次支持实时说话人分离，并改进了对话轮次结束判断，结合上下文与音频信号，减少固定停顿计时器带来的误判。两款模型已通过ElevenAPI和ElevenAgents向开发者开放。第三方评测机构Artificial Analysis的基准测试显示，Scribe v3在录音转写准确率上超过微软、Mistral、xAI、谷歌、OpenAI等产品，仅次于阿里的一款预览模型；但在处理速度和价格上不占优势，基准价格为每1000分钟3.33美元。

为什么重要

ElevenLabs此前更以语音生成知名，这次把能力延伸到高精度转写和实时语音交互，意味着它正在补齐语音AI链条中的“听”这一环，向企业级语音代理基础设施靠拢。实时转写和说话人分离是客服、会议记录、多语种协作等场景的关键能力，而价格与速度的短板说明它当前更偏向准确率优先的路线。对行业而言，转写模型的竞争正从单一词错误率转向实时性、多语种和复杂环境鲁棒性的综合比拼。

对用户/开发者/创作者的影响

开发者可以通过ElevenAPI和ElevenAgents接入这两款模型，并利用预载专业术语、数字和日期格式化规则、多语种模式处理句中语言切换。企业客户还能使用欧盟专用服务器和零数据保留模式。对客服和实时语音应用来说，Scribe v3Live的轮次判断改进有望减少误打断；对播客、会议记录等创作者和团队，Scribe v3的高准确率转写有一定吸引力。不过，如果对成本和吞吐速度敏感，目前公开的基准价格和速度数据表明需要先做小规模评估。

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。

了解 GamsGo AI

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Artificial Analysis的排名目前只覆盖录音转写的词错误率，说话人分离、小语种和实时表现尚未纳入，后续评测是否改变结论值得观察；二是ElevenLabs能否在保持准确率的同时优化价格与推理速度；三是其与NVIDIA、麦肯锡及Salesforce、IBM、Zendesk等企业的生态合作能否推动转写模型在真实客服场景中落地。

来源：AIbase