搜索
ElevenLabs发布Scribe v2 Realtime，实现超低延迟语音转写
4 天前
据Quasa报道，ElevenLabs正式发布Scribe v2 Realtime语音识别模型。该模型专为实时场景设计，支持90余种语言，端到端延迟仅30–150毫秒，适用于AI智能体、实时字幕、翻译及呼叫中心等高动态场景。Scribe v2 Realtime采用流式优先架构，支持PCM与μ-law等多种音频格式，具备预测转写、语音活动检测、上下文记忆及复杂术语识别能力。在FLEURS多语言基准测试中，其准确率达93.5%，优于Google Gemini Flash 2.5、OpenAI GPT-4o Mini等竞品。该模型已通过ElevenLabs API开放，提供GDPR、HIPAA及SOC 2认证的企业级安全保障，支持欧盟数据驻留，定价为每小时音频0.28美元，企业用户可享高并发与专属支持。
