ElevenLabs发布两款新一代语音转文本模型Scribe v3和Scribe v3Live，分别面向预录制音频转写和低延迟实时语音应用，重点提升复杂语音环境下的识别能力，包括多人交谈、相互打断及背景噪声等场景。两款模型现已通过ElevenAPI和ElevenAgents平台向开发者开放。
ElevenLabs表示，Scribe v3支持102种语言，相较上一代模型，单词错误率降低约25%，德语识别准确率也得到显著提升。同时，其说话人分割功能在大型群组对话中更加可靠，Scribe v3Live则首次支持实时说话人分割。
Artificial Analysis的独立基准测试显示，Scribe v3属于当前准确率最高的语音转录模型之一，表现超过微软、Mistral、xAI、Google和OpenAI等厂商的产品，仅次于阿里巴巴的一款预览版模型。
不过，该模型在处理速度和价格方面并不占优，每1000分钟基准价格为3.33美元，微软和xAI的部分产品则具备更快的处理速度和更低的成本。测试主要衡量录音转写的单词错误率，尚未覆盖说话人分割、小语种及实时性能等优势。
针对AI语音客服场景，Scribe v3Live还优化了发言结束判断机制，通过结合对话上下文和音频信号，减少传统固定暂停计时器造成的误判，避免用户短暂停顿或缓慢报读数字时被系统打断。开发者还可以预加载专业术语、设置数字和日期格式规则，并通过多语言模式处理句内语言切换。企业客户可使用欧盟独立服务器及零数据保留模式。
此外，ElevenLabs正扩大企业生态布局，包括深化与英伟达合作，将Nemotron3.5Super VL集成至ElevenAgents，并开发机器人本地语音控制能力;同时与麦肯锡建立合作，推出面向系统集成商的合作伙伴计划及语音代理市场，Salesforce、IBM和Zendesk等企业已提供相关产品。此次更新显示，ElevenLabs正从语音生成进一步拓展至高准确率转录、实时交互和企业级语音代理基础设施。
ElevenLabs于2026年11月5日宣布，用户可将通过ElevenMusic平台创建的AI生成音乐直接发布至SoundCloud。合作中，SoundCloud Artist Pro用户可获三个月ElevenMusic Pro服务，权益含每月最高生成1000首歌曲、500次分轨文件分割及5个自定义风格或人声。ElevenLabs自2025年发布音乐生成模型以来持续迭代，推动AI音乐创作与分发。
ElevenLabs于3日发布生成式音乐模型ElevenMusic v2.5，通过移动应用和API向全球开放。新版提升音频饱满度与自然感；在47,885对样本盲测中，多数听众偏好v2.5，在R&B、灵魂乐、嘻哈、摇滚、管弦乐等曲风上表现更佳。
环球音乐集团9月10日宣布与AI音频公司ElevenLabs达成多年期许可协议及战略合作。这是ElevenLabs首次与主流唱片公司正式签约，标志AI音乐在版权合规与产业化落地迈出关键一步。双方将共同推进AI音频技术与版权内容融合，提供合规化解决方案。
环球音乐与AI公司ElevenLabs达成多年许可及战略合作，系后者与主流唱片公司首份协议。双方将共建基于授权音乐和艺人参与的AI音乐创作平台，让乐迷与艺人、词曲作者共同创作，功能包括混音、串烧和全新演绎。
ElevenLabs发布Music v2音乐生成模型，相比前代实现三大突破：支持动态曲风切换、提升音乐编排复杂度与歌唱表达。新模型将创作过程“积木化”，提供细粒度工作流，艺术家可灵活调整不同段落风格，不再局限于简单文本生成音频，显著增强音乐创作的灵活性与表现力。
关注 “悠AI” 更多干货技巧行业动态
相关文章
