Scribe é um modelo de speech-to-text da ElevenLabs, desenvolvido para transcrição precisa de áudio e vídeo gravados.
O que ele faz
O Scribe foi criado para gravações do mundo real, incluindo múltiplos falantes e ruído de fundo. Ele está disponível pela interface web da ElevenLabs e via API, com uma opção gratuita para testar a transcrição básica de texto.
Transcreve arquivos de áudio e vídeo (não áudio ao vivo)
Suporta 99 idiomas, incluindo russo, sérvio, cantonês e malaiala
Informa precisão de reconhecimento de fala acima de 95%
Gera JSON estruturado com timestamps por palavra
Detecção de falantes e eventos
O Scribe inclui recursos voltados a gravações complexas e análise.
Diarização de falantes para até 32 falantes por arquivo
Marca eventos não vocais como risadas, suspiros, aplausos, música e ruído de fundo
Preços e limitações
O uso pago é precificado em US$ 0,40 por hora de áudio, com desconto de 50% nas primeiras seis semanas após o lançamento. No lançamento, o Scribe funciona apenas com arquivos pré-gravados; a ElevenLabs anunciou uma versão de baixa latência para transcrição em tempo real. Na Rússia, o serviço pode ser afetado por restrições regionais.
