ElevenLabs

hat mit Scribe v2 ein neues Transkriptionsmodell veröffentlicht, das auf hohe Genauigkeit, Mehrsprachigkeit und große Audio-Mengen ausgelegt ist.

Kernverbesserungen von Scribe v2

• Höhere Genauigkeit als Scribe v1 und laut Benchmarks aktuell eines der genauesten Modelle am Markt, inklusive robusterer Ergebnisse bei langen Audios, Pausen und mehreren Sprecher:innen.
• Unterstützung für über 90 Sprachen mit automatischer Spracherkennung, auch in gemischtsprachigen Aufnahmen.

Einsatzfelder

• Batch-Transkription, Untertitelung und Captioning im großen Stil, z.B. für Podcasts, YouTube, Schulungsvideos oder Archive.
• Realtime-Variante „Scribe v2 Realtime“ für Live-Transkription mit Latenzen um ca. 150 ms, etwa für Agenten‑/Call‑Center‑Szenarien oder Live-Untertitel.

Besondere Features

• Keyterm Prompting: Bis zu 100 Fachbegriffe/Markennamen vorgeben, die das Modell im Kontext besonders zuverlässig erkennt.
• Native Entitätserkennung mit Zeitstempeln (z.B. Personen‑, Gesundheits‑ oder Zahlungsdaten) plus Speaker‑Diarization, Wort‑Zeitstempel und dynamisches Tagging von Geräuschen wie Lachen oder Schritten.

Verfügbarkeit

• Scribe v2 steht in ElevenLabs Studio (für Transkription/Untertitel im Browser) und über die Speech‑to‑Text‑API für Entwickler und Unternehmen zur Verfügung.

Hier findest du weiterführende Informationen: Elevenlabs