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.
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

