ElevenLabs
ElevenLabs Scribe v2
ElevenLabs’ second-generation speech-to-text — 90+ languages, speaker diarization and sub-200ms streaming.
知能指数
92.5 #10
AAQI 93.0
出力速度
240 t/s
ITL 4.2 ms/tok
ブレンド価格 (3:1)
$0.01 /1M
入力 $0.008/M · 出力 $0.016/M
コンテキスト
64K
約 160 枚のA4ページ · 最大出力 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
ElevenLabs Scribe v2
Claude Mythos Preview (#1)
Average (68)
直接のベンチマーク測定がない場合、レーダー軸はカテゴリスコアから近似されます — 評価方法 を参照。
強みとトレードオフ
強み
- Top-tier WER across 90+ languages
- Realtime partials fast enough for barge-in agents
- Built-in diarization — no extra pipeline
注意すべきトレードオフ
- STT only — pair with an LLM and TTS for full loops
- Per-minute pricing adds up on call centers
- No on-prem option
キラーユースケース
Voice-agent front end
Streaming transcripts with low-latency turn detection.
Meeting intelligence
Diarized, timestamped records at scale.
Multimedia subtitling
Multi-language caption pipelines.
開発者向けクイックスタートとAPI
まず
ELEVENLABS_API_KEY を設定 — APIキーを取得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.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.
公式リソースとリンク
API デプロイ
ホストとレイテンシを比較
Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock、Azure 全体のスループット、TTFT、キャッシュ料金。
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Groq
Cerebras
Together AI
DeepInfra
Fireworks AI
AWS Bedrock
Azure AIソース別スコア
カテゴリー別スコア
ベンチマーク結果
ライブ対決
Claude Fable 5-0.9
GPT-Image 2-0.6
Grok Imagine Quality-0.1ライブスペックとアーキテクチャ
内部構造
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
リリース日
2026年10月19日
アーキテクチャ
Scribe v2 — streaming speech recognition
パラメータ数
Not disclosed
ライセンス
Proprietary
コンテキストウィンドウ
64,000 tokens
最大出力
8,192 tokens
モダリティ
audio
キャッシュ料金
読み取り $0.003 · 書き込み $0.01 /1M
推論
—
入力価格
$0.008/M
出力価格
$0.016/M
出力速度
240 t/s
最初のトークンまでの時間
—
データ更新日
2026年10月22日
月額請求の見積もり
月額見積もり
$0.00
GPT-4o との節約額を計算中…
引用と埋め込み
GitHub Markdown バッジ
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}
}スコアバッジを埋め込む
GitHub または Hugging Face の README にライブ Podium スコアバッジを追加 — ライブランキングにリンクします。
プレビュー
Markdown
Loading badge snippet...HTML
Loading badge snippet...ElevenLabs のその他のモデル
代替モデル
機能、価格、ベンチマークスコアに基づく ElevenLabs Scribe v2 の最適な代替モデル。
