ElevenLabs
ElevenLabs Scribe v2
ElevenLabs’ second-generation speech-to-text — 90+ languages, speaker diarization and sub-200ms streaming.
বুদ্ধিমত্তা
92.5 #10
AAQI 93.0
আউটপুট গতি
240 t/s
ITL 4.2 ms/tok
ব্লেন্ডেড মূল্য (3:1)
$0.01 /1M
ইনপুট $0.008/M · আউটপুট $0.016/M
কনটেক্সট
64K
≈ 160টি A4 পৃষ্ঠা · সর্বোচ্চ আউটপুট 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
ElevenLabs Scribe v2
Claude Mythos Preview (#1)
Average (68)
সরাসরি বেঞ্চমার্ক মাপ না থাকলে রাডার অক্ষ বিভাগ স্কোর থেকে আনুমানিক — পদ্ধতি দেখুন।
শক্তি ও ট্রেড-অফ
যেখানে এটি জেতে
- Top-tier WER across 90+ languages
- Realtime partials fast enough for barge-in agents
- Built-in diarization — no extra pipeline
যেগুলো খেয়াল রাখতে হবে
- STT only — pair with an LLM and TTS for full loops
- Per-minute pricing adds up on call centers
- No on-prem option
কিলার ব্যবহারের ক্ষেত্র
Voice-agent front end
Streaming transcripts with low-latency turn detection.
Meeting intelligence
Diarized, timestamped records at scale.
Multimedia subtitling
Multi-language caption pipelines.
ডেভেলপার কুইকস্টার্ট ও API
প্রথমে
ELEVENLABS_API_KEY সেট করুন — API কী নিনcurl -X POST "https://api.elevenlabs.io/v1/text-to-speech/VOICE_ID" \
-H "xi-api-key: $ELEVENLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"text": "Welcome to the future of voice agents.", "model_id": "scribe_v2"}' \
--output speech.mp3import os, requests
resp = requests.post(
"https://api.elevenlabs.io/v1/text-to-speech/VOICE_ID",
headers={"xi-api-key": os.environ["ELEVENLABS_API_KEY"]},
json={"text": "Welcome to the future of voice agents.", "model_id": "scribe_v2"},
)
open("speech.mp3", "wb").write(resp.content)const res = await fetch("https://api.elevenlabs.io/v1/text-to-speech/VOICE_ID", {
method: "POST",
headers: { "xi-api-key": process.env.ELEVENLABS_API_KEY, "Content-Type": "application/json" },
body: JSON.stringify({ text: "Welcome to the future of voice agents.", model_id: "scribe_v2" }),
});
await fs.promises.writeFile("speech.mp3", Buffer.from(await res.arrayBuffer()));Text-to-speech — replace VOICE_ID with a voice from your library; returns an audio stream.
অফিসিয়াল রিসোর্স ও লিংক
API ডিপ্লয়মেন্ট
হোস্ট ও লেটেন্সি তুলনা করুন
Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock ও Azure জুড়ে থ্রুপুট, TTFT ও ক্যাশে মূল্য।
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Groq
Cerebras
Together AI
DeepInfra
Fireworks AI
AWS Bedrock
Azure AIউৎস অনুযায়ী স্কোর
বিভাগ অনুযায়ী স্কোর
বেঞ্চমার্ক ফলাফল
সরাসরি লাইভ ম্যাচআপ
Claude Fable 5-0.9
GPT-Image 2-0.6
Grok Imagine Quality-0.1লাইভ স্পেসিফিকেশন ও আর্কিটেকচার
ভেতরের কাঠামো
Scribe v2 — streaming speech recognition
- 90+ languages with automatic language ID
- Speaker diarization and word-level timestamps
- Sub-200ms partial transcripts for live agents
- Noise-robust far-field microphone handling
প্রকাশের তারিখ
১৯ অক্টো, ২০২৬
আর্কিটেকচার
Scribe v2 — streaming speech recognition
প্যারামিটার
Not disclosed
লাইসেন্স
Proprietary
কনটেক্সট উইন্ডো
64,000 tokens
সর্বোচ্চ আউটপুট
8,192 tokens
মডালিটি
audio
ক্যাশে মূল্য
রিড $0.003 · রাইট $0.01 /1M
রিজনিং
—
ইনপুট দাম
$0.008/M
আউটপুট দাম
$0.016/M
আউটপুট গতি
240 t/s
প্রথম টোকেনের সময়
—
ডেটা আপডেট
২২ অক্টো, ২০২৬
আনুমানিক মাসিক বিল
আনুমানিক মাসিক খরচ
$0.00
GPT-4o-র তুলনায় সঞ্চয় হিসাব হচ্ছে…
উদ্ধৃতি ও এম্বেড
GitHub Markdown ব্যাজ
Loading badge markdown...BibTeX
@misc{llmpodium2026elevenlabsscribev2,
title = {Benchmark Analysis and Intelligence Evaluation of ElevenLabs Scribe v2},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/elevenlabs-scribe-v2}
}স্কোর ব্যাজ এম্বেড করুন
আপনার GitHub বা Hugging Face README-তে লাইভ Podium স্কোর ব্যাজ যোগ করুন — এটি লাইভ র্যাংকিং-এ ফেরে।
প্রিভিউ
Markdown
Loading badge snippet...HTML
Loading badge snippet...ElevenLabs-এর আরও মডেল
বিকল্প মডেলসমূহ
সক্ষমতা, মূল্য এবং বেঞ্চমার্ক স্কোরের ভিত্তিতে ElevenLabs Scribe v2-এর নিকটতম বিকল্প।
