11 月 12 日，ElevenLabs 发布两个新的语音转写模型 Scribe v3 与 Scribe v3 Live，都已在 ElevenAPI 开发者接口和 ElevenAgents 平台上开放。Scribe v3 面向已录制的音频文件，Scribe v3 Live 面向低延迟实时场景，两款模型都为会议里多人抢话、电话里背景嘈杂这类混乱条件设计。
精度与速度的两面
按官方说法，Scribe v3 相比上一代在 102 种语言上把词错误率降低约 25%，德语提升尤其明显，说话人分离在大规模群聊里也更可靠，这个能力在 Scribe v3 Live 上首次实现实时可用。第三方基准 Artificial Analysis 确认 Scribe v3 属于市面最准的一档，在词错率上略微压过微软、Mistral、xAI、谷歌和 OpenAI 的同类模型，只落后于阿里的一个预览版模型。但速度与价格上它只能算中游，微软与 xAI 的模型快出数倍，价格大约只有一半。基准只统计了录音文件的词错率，并未覆盖说话人分离、少数语言以及 v3 Live 的实时表现。
实时版要解决的是抢话
语音智能体常见的毛病是用生硬的静音计时器判断对方是否说完，用户一停顿思考或慢慢念一串数字，智能体就抢先把话截断。Scribe v3 Live 改为在音频信号之外同时分析对话上下文，判断说话人是否真的说完。相关的语音链路经验可以对照站内 Soniox STT v6 的语音识别与回声消除实测。对做客服与陪练类应用的团队来说，词错率之外的实时行为往往才是落地成败的关键。
延伸阅读
- 腾讯 QClaw 宣布停运：12 月 24 日关停，可迁 WorkBuddy2 月前
- 上海团队开源记忆原生大模型MemT-1.0：288B参数、11项记忆基准第一3 周前
- n8n 工作流自动化突破 204793 Star：400 多个集成撑起自托管 AI 自动化的护城河2 月前
- Manus推出Cue，每个Agent有独立电话邮箱钱包1 月前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
往下这几篇值得接着看：
- AWS 开源 Emulator：438 个 API 模型本地跑 200 多个服务2026-11-13
- 讯飞 SparkAudio 1.0 上线：99 语言 202 方言 语音基座2026-11-13
- DeepL Aure 语音模型：8 语种与 76% 翻译错误下降深度2026-11-13
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记