ElevenLabs presenta la serie scribe v3, mejorando la precisión de la transcripción en 102 idiomas

ElevenLabs ha lanzado dos modelos avanzados de conversión de voz a texto, Scribe v3 para audio grabado y Scribe v3Live para aplicaciones en tiempo real, ambos disponibles a través de ElevenAPI y ElevenAgents. Scribe v3 admite 102 idiomas y, según se informa, reduce la tasa de error de palabras en aproximadamente un 25% en comparación con su predecesor, al tiempo que mejora el reconocimiento del alemán. El nuevo Scribe v3Live introduce la diarización del hablante en tiempo real. Las pruebas independientes realizadas por Artificial Analysis posicionaron a Scribe v3 como altamente preciso, superando las ofertas de Google, OpenAI, Microsoft y Mistral, aunque se situó en segundo lugar, solo superado por un modelo de previsualización de Alibaba. A pesar de esta precisión, el precio de referencia del modelo de 3,33 $ por 1.000 minutos se considera más alto que el de algunos competidores. Para el servicio de atención al cliente, Scribe v3Live mejora la detección del final de la intervención mediante la integración del contexto conversacional. Además de la transcripción, ElevenLabs está expandiendo su presencia en el sector empresarial. La empresa está profundizando su integración con NVIDIA mediante la incorporación de Nemotron3.5Super VL en ElevenAgents para el control de voz de robots, y ha establecido una asociación con McKinsey, lanzando un mercado de agentes de voz junto con integradores de sistemas como Salesforce, IBM y Zendesk.