ElevenLabs

ElevenLabs Scribe v2

ElevenLabs’ second-generation speech-to-text — 90+ languages, speaker diarization and sub-200ms streaming.

#10veröffentlicht 19. Okt. 2026·Proprietary·Not disclosed
audio64K ctx
Intelligenz
92.5 #10
AAQI 93.0
Ausgabegeschwindigkeit
240 t/s
ITL 4.2 ms/tok
Blended-Preis (3:1)
$0.01 /1M
Input $0.008/M · Output $0.016/M
Kontext
64K
≈ 160 A4-Seiten · max. Output 8,192

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

ElevenLabs Scribe v2
Claude Mythos Preview (#1)
Average (68)
Coding (15)Mathematics (15)Hard Science (GPQA) (30)Agentic & Tool Use (70)Knowledge (MMLU) (50)Vision / Multimodal (90)

Radar-Achsen sind aus Kategorie-Scores approximiert, wo direkte Benchmark-Messungen fehlen — siehe Methodik.

Stärken & Trade-offs

Wo das Modell gewinnt

  • Top-tier WER across 90+ languages
  • Realtime partials fast enough for barge-in agents
  • Built-in diarization — no extra pipeline

Worauf achten

  • STT only — pair with an LLM and TTS for full loops
  • Per-minute pricing adds up on call centers
  • No on-prem option

Killer-Anwendungsfälle

Voice-agent front end
Streaming transcripts with low-latency turn detection.
Meeting intelligence
Diarized, timestamped records at scale.
Multimedia subtitling
Multi-language caption pipelines.

Developer-Quickstart & API

Setzen Sie zuerst ELEVENLABS_API_KEY — API-Schlüssel holen
curl -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.mp3

Text-to-speech — replace VOICE_ID with a voice from your library; returns an audio stream.

Offizielle Ressourcen & Links

API-Bereitstellung

Hosts & Latenz vergleichen

Durchsatz, TTFT und Cache-Preise bei Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock und Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Anbieter-Matrix ansehen →

Ergebnisse nach Quelle

Direkte Live-Duelle

Live-Spezifikationen & Architektur

Unter der Haube
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
Veröffentlichungsdatum
19. Okt. 2026
Architektur
Scribe v2 — streaming speech recognition
Parameter
Not disclosed
Lizenz
Proprietary
Kontextfenster
64,000 tokens
Max. Ausgabe
8,192 tokens
Modalitäten
audio
Cache-Preise
Lesen $0.003 · Schreiben $0.01 /1M
Reasoning
—
Eingabepreis
$0.008/M
Ausgabepreis
$0.016/M
Ausgabegeschwindigkeit
240 t/s
Zeit bis zum ersten Token
—
Daten aktualisiert
22. Okt. 2026

Geschätzte Monatsrechnung

Geschätzte Monatsausgaben
$0.00
Ersparnis ggü. GPT-4o wird berechnet…

Zitieren & Einbetten

GitHub-Markdown-Badge
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}
}

Score-Badge einbetten

Fügen Sie Ihrem GitHub- oder Hugging-Face-README ein Live-Podium-Score-Badge hinzu — es verlinkt auf das Live-Ranking.

Vorschau
ElevenLabs Scribe v2 LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Mehr von ElevenLabs

Alternative Modelle

Nächste Alternativen zu ElevenLabs Scribe v2 basierend auf Leistung, Preis und Benchmarks.

0 / 4