ElevenLabs

ElevenLabs Scribe v2

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

#10جاری شدہ 19 اکتوبر، 2026·Proprietary·Not disclosed
audio64K ctx
API فراہم کنندگانماڈل چلائیں ←بمقابلہ Cartesia Ink Whisperدرجہ بندی
ذہانت
92.5 #10
AAQI 93.0
آؤٹ پٹ رفتار
240 t/s
ITL 4.2 ms/tok
مخلوط قیمت (3:1)
$0.01 /1M
ان پٹ $0.008/M · آؤٹ پٹ $0.016/M
سیاق
64K
≈ 160 A4 صفحات · زیادہ سے زیادہ آؤٹ پٹ 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)

جہاں براہ راست بینچ مارک پیمائش موجود نہیں، ریڈار محور زمرہ سکورز سے تخمینی ہیں — طریقہ کار دیکھیں۔

طاقتیں اور سمجھوتے

جہاں یہ آگے ہے

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

جن باتوں پر دھیان دیں

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

کلر استعمال کے کیسز

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

ڈویلپر کوک اسٹارٹ اور API

پہلے ELEVENLABS_API_KEY سیٹ کریں — API کی حاصل کریں
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.

سرکاری وسائل اور لنکس

API تعیناتی

ہوسٹس اور لیٹنسی کا موازنہ

Groq، Cerebras، Together، DeepInfra، Fireworks، Bedrock اور Azure پر تھروپٹ، TTFT اور کیش قیمتیں۔

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
فراہم کنندگان کی میٹرکس دیکھیں →

ذریعے کے لحاظ سے اسکور

براہ راست لائیو مقابلے

لائیو وضاحتیں اور آرکیٹیکچر

اندرونی ڈھانچہ
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
اجرا کی تاریخ
19 اکتوبر، 2026
آرکیٹیکچر
Scribe v2 — streaming speech recognition
پیرامیٹرز
Not disclosed
لائسنس
Proprietary
سیاق ونڈو
64,000 tokens
زیادہ سے زیادہ آؤٹ پٹ
8,192 tokens
موڈیلٹیز
audio
کیش قیمتیں
ریڈ $0.003 · رائٹ $0.01 /1M
استدلال
—
ان پٹ قیمت
$0.008/M
آؤٹ پٹ قیمت
$0.016/M
آؤٹ پٹ رفتار
240 t/s
پہلے ٹوکن تک کا وقت
—
ڈیٹا اپڈیٹ
22 اکتوبر، 2026

اندازاً ماہانہ بل

اندازاً ماہانہ اخراجات
$0.00
GPT-4o کے مقابلے میں بچت کا حساب…

حوالہ اور ایمبیڈ

GitHub Markdown بیج
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}
}

اسکور بیج شامل کریں

اپنے GitHub یا Hugging Face README میں لائیو Podium اسکور بیج لگائیں — یہ لائیو درجہ بندی پر لے جاتا ہے۔

پیش منظر
ElevenLabs Scribe v2 LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

ElevenLabs کے مزید ماڈلز

متبادل ماڈلز

صلاحیت، قیمت اور بینچ مارک اسکورز کی بنیاد پر ElevenLabs Scribe v2 کے قریب ترین متبادل۔

0 / 4