ElevenLabs

ElevenLabs Scribe v2

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

#10lançado 19 de out. de 2026·Proprietary·Not disclosed
audio64K ctx
Provedores de APIExecutar modelo →vs Cartesia Ink WhisperRanking
Inteligência
92.5 #10
AAQI 93.0
Velocidade de saída
240 t/s
ITL 4.2 ms/tok
Preço combinado (3:1)
$0.01 /1M
Entrada $0.008/M · Saída $0.016/M
Contexto
64K
≈ 160 páginas A4 · saída máx. 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)

Os eixos do radar são aproximados a partir dos scores de categoria quando faltam medições diretas — veja Metodologia.

Pontos fortes e trade-offs

Onde vence

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

Pontos de atenção

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

Casos de uso matadores

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

Quickstart do desenvolvedor e API

Defina primeiro ELEVENLABS_API_KEY — obter uma chave de API
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.

Recursos e links oficiais

Implantação de API

Comparar hosts e latência

Throughput, TTFT e preços de cache na Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock e Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Ver matriz de provedores →

Pontuações por fonte

Confrontos diretos ao vivo

Especificações ao vivo e arquitetura

Por baixo do capô
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
Data de lançamento
19 de out. de 2026
Arquitetura
Scribe v2 — streaming speech recognition
Parâmetros
Not disclosed
Licença
Proprietary
Janela de contexto
64,000 tokens
Saída máx.
8,192 tokens
Modalidades
audio
Preços de cache
leitura $0.003 · escrita $0.01 /1M
Raciocínio
—
Preço de entrada
$0.008/M
Preço de saída
$0.016/M
Velocidade de saída
240 t/s
Tempo até o primeiro token
—
Dados atualizados
22 de out. de 2026

Fatura mensal estimada

Gasto mensal estimado
$0.00
Calculando economia vs GPT-4o…

Citar e incorporar

Badge de Markdown do GitHub
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}
}

Incorporar selo de pontuação

Adicione um selo de Podium Score ao seu README no GitHub ou Hugging Face — ele aponta para o ranking ao vivo.

Pré-visualização
ElevenLabs Scribe v2 LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Mais de ElevenLabs

Modelos alternativos

Principais alternativas para ElevenLabs Scribe v2 com base em recursos, preço e benchmarks.

0 / 4