ElevenLabs

ElevenLabs Scribe v2

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

#10发布于 2026年10月19日·Proprietary·Not disclosed
audio64K ctx
智商指数
92.5 #10
AAQI 93.0
输出速度
240 t/s
ITL 4.2 ms/tok
混合价格 (3:1)
$0.01 /1M
输入 $0.008/M · 输出 $0.016/M
上下文
64K
≈ 160 页 A4 · 最大输出 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)

缺少直接基准测量时,雷达图各轴由类别得分近似得出 — 详见 评分方法。

优势与取舍

优势所在

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

需要注意的权衡

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

杀手级用例

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

开发者快速上手与 API

请先设置 ELEVENLABS_API_KEY — 获取 API 密钥
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.

官方资源与链接

API 部署

对比托管商与延迟

Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock 与 Azure 的吞吐量、TTFT 和缓存定价。

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
查看提供商矩阵 →

各榜单得分

实时对决

实时规格与架构

底层解析
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
发布日期
2026年10月19日
架构
Scribe v2 — streaming speech recognition
参数量
Not disclosed
开源协议
Proprietary
上下文窗口
64,000 tokens
最大输出
8,192 tokens
模态
audio
缓存价格
读 $0.003 · 写 $0.01 /1M
推理
—
输入价格
$0.008/M
输出价格
$0.016/M
输出速度
240 t/s
首Token延迟
—
数据更新
2026年10月22日

每月账单预估

每月预估支出
$0.00
正在计算相对 GPT-4o 的节省额…

引用与嵌入

GitHub Markdown 徽章
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}
}

嵌入评分徽章

将实时 Podium 评分徽章添加到 GitHub 或 Hugging Face README —— 链接回实时排名。

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

更多 ElevenLabs 模型

替代模型推荐

基于能力、定价和基准测试得分与 ElevenLabs Scribe v2 最接近的替代模型。

0 / 4