ElevenLabs выпустила Scribe v3 и Scribe v3 Live, две модели распознавания речи, которые держат точность при шуме и наложении голосов. По заголовку The Decoder, Live использует контекст разговора, чтобы голосовой агент не обрывал звонящего на полуслове. Для тех, кто делает голосовых ботов, это главный крючок.

Источник: the-decoder.com

По бенчмаркам Artificial Analysis Scribe v3 лишь немного обходит OpenAI, Google и Microsoft по точности. Разница небольшая, и платить за неё придётся: Microsoft и xAI работают в разы быстрее и стоят примерно вдвое дешевле.

Что это значит на практике: если агент для колл-центра критичен к скорости и бюджету, выбор не очевиден. Если важнее не перебивать человека и не терять слова в шумной комнате, Scribe v3 как раз под такие задачи.

Пока это данные бенчмарка и заявления ElevenLabs, а не замер на ваших записях. Точность есть, скорость и цену придётся взвесить самим.

ИсточникThe Decoder