概览
Scribe v3 是 ElevenLabs 在 2026 年 11 月 10 日发布的新一代语音识别模型，同时发布的还有面向实时场景的低延迟版本 Scribe v3 Live。两者都接替上一代：Scribe v3 处理录好的音频，替代 Scribe v2；Scribe v3 Live 处理实时音频流，替代 Scribe v2 Realtime。老用户迁移只需把 model_id 改为 scribe_v3 或 scribe_v3_live，原有请求参数不变，Scribe v2 继续可用。ElevenLabs 自己的应用已把两者设为默认，语音智能体平台 ElevenAgents 里也已接入 Scribe v3 Live，另有一个针对医疗对话优化的 Live 版本。 准确率是这次的重点。官方在内部版 FLEURS 基准的 102 种语言上测得，Scribe v3 的词错误率从 v2 的 16.94% 降到 12.38%，少了 27%，每种语言都有改善，德语、西班牙语、英语分别改善 42%、35%、23%，斯瓦希里语、泰米尔语、泰语等难转写的语言也降了约三成；Scribe v3 Live 的语义词错误率比 v2 Realtime 低 43%（模型文档写 44%）。说话人分离最多支持 32 人，三人以上录音的分离错误比 v2 少 17%；Live 版第一次在实时转写里给出说话人标签，英文实测分离错误率 3.1%，官方测的其他实时模型在 5.9% 到 7.3% 之间。对语音客服更实用的是 Live 版的轮次判断：它结合对话内容和声音判断对方是否说完，而不是只看静音时长，客户报号码中途停顿不会被抢话。可控性方面，Scribe v3 可以给出音频里可能出现的其他语言提示、选择数字写成「123」还是单词，关键词提示一次最多 1,000 个术语，还能用自然语言写格式规则，比如「所有日期写成 YYYY-MM-DD」；Live 版另有可容纳数千术语的关键词库和句中切换语言的多语种模式。荷兰能源公司 Eneco 在真实来电中测试，荷兰邮编一次识别正确的次数提高了 40%。以上数据均为官方测试。 部署上，两款模型默认在美国运行，企业客户可选欧盟、印度和新加坡的隔离环境；零留存模式下请求完成即删除音频和文本，模型纳入 SOC 2、ISO 27001、PCI DSS Level 1，签 BAA 后可用于 HIPAA 场景，也提供私有化部署。官方来源：https://elevenlabs.io/blog/scribe-v3 、https://elevenlabs.io/docs/overview/models 、https://elevenlabs.io/pricing/api （2026-11-11 12:25 Asia/Shanghai 核对）。 定价：按音频时长计费。API 价格为 Scribe v3 每小时 $0.20、Scribe v3 Live 每小时 $0.22；关键词提示另收每小时 $0.05（Live 版 $0.08），转写编辑每小时 $0.07（Live 版 $0.12），Live 版关键词库每小时 $0.08。各档 API 订阅附带一定的免费转写时长，超出后按上述价格计。
- 模态
- 音频
- 许可说明
- 闭源 · 闭源
能力
- ElevenLabs 2026 年 11 月 10 日发布的语音识别（Speech to Text）模型，分为录音转写用的 Scribe v3（model_id：scribe_v3）和实时转写用的 Scribe v3 Live（scribe_v3_live）
- 官方称在 FLEURS 102 种语言上词错误率比 Scribe v2 低 27%（16.94% 降到 12.38%），每种语言都有提升；支持 90 多种语言
- 说话人分离最多 32 人，三人以上录音的分离错误比 v2 少 17%；Scribe v3 Live 首次在实时转写里提供说话人分离
- Scribe v3 Live 按对话上下文判断说话是否结束，不只看静音时长，来电者报号码中途停顿不会被打断；支持句中切换语言的多语种模式
- 关键词提示最多 1,000 个术语，Live 版另有可容纳数千术语的关键词库；可选择数字写成阿拉伯数字或单词，可用自然语言写格式规则
- 默认在美国运行，企业可选欧盟、印度、新加坡隔离环境；支持零留存模式，HIPAA 可签 BAA，也提供私有化部署
- API 价格：Scribe v3 每小时音频 $0.20，Scribe v3 Live 每小时 $0.22
