The Pulse

ElevenLabs rilascia i modelli di trascrizione Scribe v3 e riferisce un calo degli errori

ElevenLabs ha rilasciato Scribe v3 per l’audio registrato e Scribe v3 Live per la trascrizione in tempo reale. L’azienda afferma che i suoi test hanno rilevato tassi di errore inferiori rispetto ai modelli precedenti in 102 lingue.

AI.info Team · · verificato · su 1 fonte ↓ · Pubblicato 11 nov 2026

Scribe v3 produce il 27% in meno di errori sulle parole rispetto al modello precedente in 102 lingue, secondo ElevenLabs, che ha rilasciato il modello di trascrizione per audio registrato insieme a una versione in tempo reale il 10 novembre. L’azienda afferma che anche Scribe v3 Live ha ridotto gli errori rispetto a Scribe v2 Realtime e aggiunge l’identificazione dei parlanti e un migliore rilevamento dei turni di parola.

Entrambi i modelli sono disponibili tramite ElevenAPI e sono quelli predefiniti nell’app ElevenLabs. Scribe v3 Live è disponibile anche in ElevenAgents, inclusa una versione ottimizzata per le conversazioni mediche.

Come sono stati testati i modelli

ElevenLabs ha misurato l’accuratezza multilingue usando una versione interna del benchmark FLEURS, composto da brevi registrazioni pulite di parlato letto in 102 lingue. Poiché ciascuna di queste registrazioni contiene un solo parlante, l’azienda ha costruito un dataset separato di riunioni reali, chiamate con agenti e note vocali in 16 lingue per valutare l’identificazione dei parlanti.

Per il modello in tempo reale, l’errore semantico sulle parole è diminuito del 43% e quello standard del 31% in 102 lingue rispetto a Scribe v2 Realtime, secondo l’azienda. L’errore semantico sulle parole viene conteggiato quando cambia il significato di una trascrizione, anziché contare le differenze di formattazione che non lo alterano.

ElevenLabs afferma di aver valutato separatamente ogni lingua prima di calcolare la media, attribuendo a ciascuna delle 102 lingue lo stesso peso. Avverte che i risultati misurati aggregando le registrazioni in un unico punteggio non sono direttamente confrontabili. L’azienda intende rendere open source il dataset raccolto in contesti reali.

Identificazione dei parlanti e turni di conversazione

Nei test dell’azienda, il modello per audio registrato ha commesso complessivamente il 12% in meno di errori nell’identificazione dei parlanti rispetto a Scribe v2 e il 17% in meno nelle registrazioni con tre o più parlanti. Per il modello in tempo reale, ElevenLabs afferma di aver aggiunto per la prima volta la diarizzazione dei parlanti, che identifica chi ha detto cosa.

Nella parte in inglese di quel dataset, Scribe v3 Live ha registrato un tasso di errore nella diarizzazione del 3,1%, contro un tasso compreso tra il 5,9% e il 7,3% per gli altri modelli in tempo reale testati, riferisce l’azienda. I punteggi dei modelli in tempo reale sono stati calcolati dopo aver allineato la trascrizione di ciascun modello a un riferimento, per isolare gli errori di identificazione dei parlanti; ElevenLabs afferma che non possono essere confrontati con i suoi risultati di diarizzazione per l’audio registrato.

Scribe v3 Live usa anche il contesto della conversazione e l’audio per rilevare quando un parlante ha concluso un turno. La funzione, già utilizzata in ElevenAgents, è ora disponibile in ElevenAPI.

Controlli e distribuzione

Scribe v3 può dedurre le possibili lingue presenti in una registrazione e consente agli utenti di scegliere se i numeri debbano apparire in cifre o in lettere. Un prompt di termini chiave può contenere fino a 1.000 termini, mentre le modifiche alla trascrizione possono applicare istruzioni di formattazione scritte in inglese semplice.

Il modello in tempo reale aggiunge una modalità multilingue per le conversazioni in cui si cambia lingua a metà frase. Offre anche una libreria di termini chiave contenente migliaia di possibili termini, che il modello consulta quando sente una probabile corrispondenza.

Entrambi i modelli vengono eseguiti negli Stati Uniti per impostazione predefinita; ai clienti aziendali con requisiti di residenza dei dati sono offerti ambienti isolati nell’UE, in India e a Singapore. Sono disponibili per l’implementazione privata e possono essere utilizzati in conformità con l’HIPAA tramite un Business Associate Agreement. Zero Retention Mode elimina audio e testo al completamento di una richiesta.