Los nuevos modelos de voz a texto mejoran el reconocimiento de varios hablantes y ofrecen transcripción de grabaciones o en tiempo real en 102 idiomas.
ElevenLabs ha lanzado dos versiones nuevas de su sistema de reconocimiento de voz. Scribe v3 procesa audio grabado, mientras que Scribe v3 Live está diseñado para aplicaciones que necesitan convertir una conversación en texto conforme ocurre.
Según las pruebas de ElevenLabs en 102 idiomas, Scribe v3 reduce un 27 % los errores de palabras frente a Scribe v2. La empresa también informa de una mejora del 35 % en español en ese conjunto de evaluación. Son resultados comunicados por la compañía, no una garantía de precisión para cualquier grabación.
Los dos modelos distinguen a los participantes de una conversación. En la versión en directo, la identificación de hablantes llega por primera vez a este flujo y la detección de turnos usa el contexto de la charla, además de las pausas, para evitar interrumpir a quien todavía está hablando.
Scribe v3 permite orientar el idioma, aportar hasta 1.000 términos clave y fijar reglas de formato para el texto resultante. Scribe v3 Live añade un modo para conversaciones que alternan idiomas y una biblioteca de términos para vocabularios más extensos.
Scribe v3 Live ya se utiliza en ElevenAgents. Ambos modelos están disponibles en ElevenAPI y son los predeterminados en la aplicación de ElevenLabs. Las integraciones existentes pueden pasar a las nuevas versiones cambiando el identificador del modelo; la calidad final depende de factores como el ruido, los acentos y las voces superpuestas.
