Speech to Text API
Transkribera tal med ElevenLabs Scribe v2
Högsta noggrannhet för STT i större projekt. Upptäck betoningar och ljudeffekter, och styr transkriberingen med nyckelord.
- Lovable
- Veed model
- Synthesia
- Stripe
- Perplexity
- Twilio
Mest träffsäkra Speech to Text API för batchjobb
Skapa undertexter, textremsor och redigerbara transkriptioner för poddar, videor, intervjuer och annat inspelat material – allt med branschledande noggrannhet via API.
Oöverträffad transkriberingsnoggrannhet
Scribe v2 ger branschledande transkriberingsnoggrannhet och levererar ren, redigerbar text även under krävande ljudförhållanden eller med olika accenter.
Utformad för alla scenarier
Transkribering som fungerar i bullriga miljöer, med bakgrundsmusik, starka accenter och ljud av låg kvalitet.
Detaljerad kontroll över tidpunkter, talare och händelser som inte är tal.
ElevenLabs Transcription API kan upptäcka skratt, känslor och ljudeffekter. Använd nyckelordspromptning för att styra transkriberingen med domänspecifika termer.
Transkribera ljud och video
.webp&w=3840&q=95)
Rena, redigerbara transkriptioner
.webp&w=3840&q=95)
Nyckelordspromptning
Dynamisk ljudtaggning
Fånga händelser som inte är tal, såsom skratt, applåder, musik och bakgrundsljud. Transkriptionerna innehåller hela ljudets sammanhang, inte bara orden.
Smart talardiarisering
Identifiera och märk automatiskt upp till 48 talare. Se tydligt vem som sa vad i lättlästa transkriptioner.
Entitetsidentifiering
Identifiera och tagga automatiskt 56 entitetstyper, inklusive namn, datum, platser och organisationer, i dina transkriptioner.
Transkribera kliniskt ljud med Scribe v2 Medical
En Speech to Text-modell optimerad för medicinsk transkribering och kliniska arbetsflöden, med förbättrad igenkänning av läkemedelsnamn samt anatomiska och patologiska termer.
Transkribera kliniskt tal
Omvandla samtal mellan vårdpersonal och patienter, läkares diktat och patientintag till exakt text, redo att granskas av vårdpersonal och användas i anteckningar, kodning och efterföljande dokumentationsflöden.
Färre fel i medicinska termer
I term-WER gör Scribe v2 Medical 15 % färre fel än Scribe v2 i Eka Medical ASR-testuppdelningen, med förbättrad medicinsk taligenkänning för kliniskt ordförråd.
Scribe v2
Högsta noggrannhet, utformad för batcharbetsbelastningar.
- >95 % noggrannhet
- Över 90 språk
- Identifiering av händelser som inte är tal
- Entitetsidentifiering
- Nyckelordspromptning
Scribe v2 Realtime
Lägst latens, för arbetsbelastningar i realtid.
- Latens under 150 ms
- Över 90 språk
- Strömning av transkribering
- Detektering av talaktivitet
- Automatisk språkigenkänning
Scribe v2 Medical
Medicinsk finjustering för klinisk transkribering.
- Anpassning för medicinskt ordförråd
- Transkribering på över 90 språk
- Samma resultat som Scribe v2 för vardagligt tal
- Förbättrad igenkänning av läkemedelsnamn
- HIPAA-kompatibel för företagskunder
Transkribera tal på över 90 språk och med många olika accenter
Exceptionell noggrannhet för accenter, dialekter och olika inspelningsförhållanden.
Ändra languageCode för att förhandsgranska språk
import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";
const elevenlabs = new ElevenLabsClient({
apiKey: "<your_api_key>"
});
const response = await fetch(
"https://storage.googleapis.com/eleven-public-cdn/audio/marketing/nicole.mp3"
);
const audioBlob = new Blob([await response.arrayBuffer()], { type: "audio/mp3" });
const transcription = await elevenlabs
.speechToText.convert({
file: audioBlob,
modelId: "scribe_v2",
tagAudioEvents: true,
languageCode: , // Välj språk
diarize: true
});
console.log(transcription);
Driver världens ledande företag och varumärken
“Från dubbning av Reels på lokala språk till att skapa musik och karaktärsröster i Horizon – ElevenLabs plattform gör det möjligt för kreatörer, företag och organisationer världen över att arbeta med röst, musik och ljud i stor skala.”
“Scribes oöverträffade noggrannhet på så många språk gör att Fieldy kan förstå varje dagligt samtal och enkelt skala över kontinenter. Fieldy har ökat användarretentionen med 50 % efter bytet till ElevenLabs Scribe.”
“ElevenLabs gjorde det enkelt för oss att snabbt lägga till kraftfulla text-till-tal-funktioner i vårt SDK, så att Agents kan svara i realtid med uttrycksfulla röster på användarnas frågor eller ge återkoppling på det de ser.”
“Twilio har integrerat ElevenLabs generativa AI-röstteknik i sin CPaaS och förbättrat ConversationRelay. Integrationen gör det möjligt för företag och utvecklare att skapa konversationsbaserade AI-röstinteraktioner som låter mänskliga, känns uttrycksfulla och svarar i realtid direkt från Twilios CPaaS-plattform. Vi på ElevenLabs är glada över att Twilio har valt ElevenLabs för att förbättra ConversationRelay med de mest uttrycksfulla och mänskligt klingande rösterna som finns. ”
API:er byggda för produktion
Data krypteras under överföring och lagring, med stöd för efterlevnad av SOC 2, HIPAA och GDPR. Lägena EU Data Residency och Zero Retention finns tillgängliga för striktare datakontroll.
Data krypteras under överföring och lagring, med stöd för efterlevnad av SOC 2, HIPAA och GDPR. Lägena EU Data Residency och Zero Retention finns tillgängliga för striktare datakontroll.
Officiella SDK:er för Python och TypeScript med typsäkerhet, stöd för strömning och tydliga exempel.
Vårt team ser till att lanseringen går smidigt och att din verksamhet fungerar tillförlitligt, med konsekvent prestanda och trygghet.
