elevenlabs 正式发布 scribe v2 转录模型，专为离线批量语音转写与字幕生成场景打造。该模型在英语上的词错误率（wer）低至约 5%，对印地语等全球超 90 种语言的识别准确率均控制在 10% 以内。
Scribe v2 已深度集成至 ElevenLabs Studio 平台，支持单次处理时长超过 10 小时的超长音频文件，并全面满足 GDPR、HIPAA 等国际主流数据合规标准。其核心能力涵盖基于关键词引导的 Keyterm Prompting 功能，以及具备上下文感知能力的智能多说话人日志识别。
核心优势
- 面向大规模转录与字幕任务优化：Scribe v2 专为高吞吐量语音转写、自动字幕生成及标题提取而设计，在稳定性与准确性方面显著优于前代 Scribe v1，可稳健应对长时音频、自然停顿、语调起伏及长时间静音等复杂语音现象；原生支持 90+ 语种，轻松覆盖多语言混合内容场景。
- 关键词引导式转录（Keyterm Prompting）：用户最多可预设 100 个专业术语、品牌名称或技术词汇，模型将结合语境智能判断并精准还原这些关键表达，大幅提升垂直领域文本质量。
- 内置细粒度实体识别：支持识别涵盖个人身份、医疗健康、金融支付等在内的 56 类敏感实体，并为每个实体标注毫秒级时间戳，便于后续合规审查与内容编辑。
- 多语种无缝混识：无需人工切分或标注语种，即可自动识别并准确转录同一音频文件中交替出现的多种语言内容。
- 企业级增强能力：集成智能说话人分离、字级别精确时间轴、动态非语音事件标签（如笑声、脚步声、键盘敲击等），并通过 SOC 2、ISO/IEC 27001、PCI DSS Level 1、HIPAA、GDPR 等多项权威安全与隐私认证，支持零数据留存模式。
- 开箱即用与灵活接入：Scribe v2 已上线 ElevenLabs Studio 用户界面，同时开放标准化 API 接口，供开发者快速集成至自有系统。
此外，为适配实时交互类应用场景（如 AI Agent 对话流处理），官方同步推出 Scribe v2 Realtime 版本，针对极低延迟与流式语音输入进行了专项优化。
了解更多：https://www.php.cn/link/8d9efdc11d3f363405846f3c09c5567f
源码获取：点击下载
