ElevenLabs
ElevenLabs Scribe v2
ElevenLabs’ second-generation speech-to-text — 90+ languages, speaker diarization and sub-200ms streaming.
बुद्धिमत्ता
92.5 #10
AAQI 93.0
आउटपुट गति
240 t/s
ITL 4.2 ms/tok
ब्लेंडेड मूल्य (3:1)
$0.01 /1M
इनपुट $0.008/M · आउटपुट $0.016/M
कॉन्टेक्स्ट
64K
≈ 160 A4 पेज · अधिकतम आउटपुट 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
ElevenLabs Scribe v2
Claude Mythos Preview (#1)
Average (68)
जहाँ सीधे बेंचमार्क माप उपलब्ध नहीं हैं, वहाँ रडार अक्ष श्रेणी स्कोर से अनुमानित हैं — कार्यप्रणाली देखें।
ताकत और समझौते
जहां यह जीतता है
- Top-tier WER across 90+ languages
- Realtime partials fast enough for barge-in agents
- Built-in diarization — no extra pipeline
ध्यान देने योग्य बातें
- STT only — pair with an LLM and TTS for full loops
- Per-minute pricing adds up on call centers
- No on-prem option
किलर उपयोग केस
Voice-agent front end
Streaming transcripts with low-latency turn detection.
Meeting intelligence
Diarized, timestamped records at scale.
Multimedia subtitling
Multi-language caption pipelines.
डेवलपर क्विकस्टार्ट और API
पहले
ELEVENLABS_API_KEY सेट करें — API कुंजी प्राप्त करेंcurl -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.
आधिकारिक संसाधन और लिंक
API डिप्लॉयमेंट
होस्ट और लेटेंसी की तुलना
Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock और Azure पर थ्रूपुट, TTFT और कैश मूल्य।
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Groq
Cerebras
Together AI
DeepInfra
Fireworks AI
AWS Bedrock
Azure AIस्रोत के अनुसार स्कोर
श्रेणी के अनुसार स्कोर
बेंचमार्क परिणाम
सीधी लाइव टक्करें
Claude Fable 5-0.9
GPT-Image 2-0.6
Grok Imagine Quality-0.1लाइव स्पेक्स और आर्किटेक्चर
अंदर की झलक
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
रिलीज़ तिथि
19 अक्टू॰ 2026
आर्किटेक्चर
Scribe v2 — streaming speech recognition
पैरामीटर
Not disclosed
लाइसेंस
Proprietary
कॉन्टेक्स्ट विंडो
64,000 tokens
अधिकतम आउटपुट
8,192 tokens
मोडैलिटी
audio
कैश मूल्य
रीड $0.003 · राइट $0.01 /1M
रीजनिंग
—
इनपुट कीमत
$0.008/M
आउटपुट कीमत
$0.016/M
आउटपुट गति
240 t/s
पहले टोकन तक का समय
—
डेटा अपडेट
22 अक्टू॰ 2026
अनुमानित मासिक बिल
अनुमानित मासिक खर्च
$0.00
GPT-4o की तुलना में बचत की गणना…
उद्धरण और एम्बेड
GitHub Markdown बैज
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}
}स्कोर बैज एम्बेड करें
अपने GitHub या Hugging Face README में लाइव Podium Score बैज जोड़ें — यह लाइव रैंकिंग पर ले जाता है।
पूर्वावलोकन
Markdown
Loading badge snippet...HTML
Loading badge snippet...ElevenLabs के अन्य मॉडल
वैकल्पिक मॉडल
क्षमता, मूल्य और बेंचमार्क स्कोर के आधार पर ElevenLabs Scribe v2 के निकटतम विकल्प।
