ElevenLabs apresenta a série scribe v3, aprimorando a precisão da transcrição em 102 idiomas

A ElevenLabs lançou dois modelos avançados de conversão de fala em texto, o Scribe v3 para áudio gravado e o Scribe v3Live para aplicações em tempo real, ambos disponíveis através do ElevenAPI e ElevenAgents. O Scribe v3 suporta 102 idiomas e, segundo relatos, reduz a taxa de erro de palavras em aproximadamente 25% em comparação com sua versão anterior, além de aprimorar o reconhecimento do alemão. O novo Scribe v3Live introduz a diarização em tempo real do falante. Testes independentes realizados pela Artificial Analysis classificaram o Scribe v3 como altamente preciso, superando as ofertas da Google, OpenAI, Microsoft e Mistral, embora tenha ficado em segundo lugar apenas atrás de um modelo de demonstração da Alibaba. Apesar dessa precisão, o preço de referência do modelo de US$ 3,33 por 1.000 minutos é considerado mais alto do que o de alguns concorrentes. Para o atendimento ao cliente, o Scribe v3Live melhora a detecção do fim da conversa, integrando o contexto conversacional. Além da transcrição, a ElevenLabs está expandindo sua presença no mercado corporativo. A empresa está aprofundando sua integração com a NVIDIA, incorporando o Nemotron3.5Super VL no ElevenAgents para controle de voz de robôs, e estabeleceu parcerias com a McKinsey, lançando um mercado de agentes de voz junto com integradores de sistemas como Salesforce, IBM e Zendesk.