ElevenLabs

ElevenLabs Scribe v2

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

#10เปิดตัวเมื่อ 19 ต.ค. 2569·Proprietary·Not disclosed
audio64K ctx
ผู้ให้บริการ APIเรียกใช้โมเดล →เปรียบเทียบ Cartesia Ink Whisperตารางอันดับ
ดัชนีปัญญา
92.5 #10
AAQI 93.0
ความเร็วขาออก
240 t/s
ITL 4.2 ms/tok
ราคาเฉลี่ย (3:1)
$0.01 /1M
ขาเข้า $0.008/M · ขาออก $0.016/M
บริบท
64K
≈ 160 หน้า A4 · ขาออกสูงสุด 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)

แกนเรดาร์ประมาณจากคะแนนหมวดหมู่เมื่อไม่มีการวัดเบนช์มาร์กโดยตรง — ดู ระเบียบวิธี

จุดแข็งและข้อแลกเปลี่ยน

จุดที่ชนะ

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

สิ่งที่ต้องระวัง

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

กรณีใช้งานเด็ด

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

ควิกสตาร์ตสำหรับนักพัฒนาและ API

ตั้งค่า ELEVENLABS_API_KEY ก่อน — รับคีย์ 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.

ทรัพยากรและลิงก์อย่างเป็นทางการ

การใช้งาน API

เปรียบเทียบโฮสต์และเวลาแฝง

อัตราความเร็ว TTFT และราคาแคชบน Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock และ Azure

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ดูเมทริกซ์ผู้ให้บริการ →

คะแนนแยกตามแหล่งข้อมูล

การแข่งขันสดแบบตัวต่อตัว

สเปกสดและสถาปัตยกรรม

ภายใต้ฝากระโปรง
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
วันที่เปิดตัว
19 ต.ค. 2569
สถาปัตยกรรม
Scribe v2 — streaming speech recognition
พารามิเตอร์
Not disclosed
สัญญาอนุญาต
Proprietary
ขนาดคอนเทกซ์
64,000 tokens
เอาต์พุตสูงสุด
8,192 tokens
โมดัลิตี
audio
ราคาแคช
อ่าน $0.003 · เขียน $0.01 /1M
การให้เหตุผล
—
ราคาขาเข้า
$0.008/M
ราคาขาออก
$0.016/M
ความเร็วขาออก
240 t/s
เวลาถึงโทเค็นแรก
—
อัปเดตข้อมูล
22 ต.ค. 2569

ค่าใช้จ่ายรายเดือนโดยประมาณ

ค่าใช้จ่ายรายเดือนโดยประมาณ
$0.00
กำลังคำนวณการประหยัดเทียบ GPT-4o…

อ้างอิงและฝัง

ป้าย GitHub Markdown
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}
}

ฝังป้ายคะแนน

เพิ่มป้าย Podium Score แบบสดลงใน README ของ GitHub หรือ Hugging Face — ลิงก์กลับไปยังอันดับสด

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

โมเดลอื่นจาก ElevenLabs

โมเดลทางเลือก

ทางเลือกที่ใกล้เคียงที่สุดสำหรับ ElevenLabs Scribe v2 โดยอิงตามความสามารถ ราคา และคะแนนเบนช์มาร์ก

0 / 4