ElevenLabs renova el seu model de transcripció amb Scribe v2

ElevenLabs ha anunciat el llançament de Scribe v2, el seu nou model de transcripció dissenyat per processar àudio per lots, generar subtítols i crear transcripcions a escala. El model incorpora millores en l'estabilitat i la precisió respecte a la versió anterior, amb una millor gestió d'àudios extensos, pauses, canvis de to i silencis prolongats.

Scribe v2 està optimitzat per a gravacions llargues i complexes, mantenint la precisió en diferents locutors, accents i estils de presentació. Segons dades de la companyia, el model assoleix la taxa d'error de paraules més baixa registrada en els estàndards d'avaluació del sector.

Entre les funcionalitats destacades es troba el keyterm prompting, un sistema que permet seleccionar fins a 100 paraules o frases específiques. El model utilitza el context per decidir quan transcriure aquests termes, cosa que resulta útil en dominis tècnics, noms de marca i llenguatge especialitzat.

El model incorpora detecció nativa d'entitats per a l'anàlisi estructurat d'àudio. Els usuaris poden seleccionar fins a 56 categories que inclouen informació personal identificable, dades de salut o informació de pagaments. Scribe v2 detecta automàticament aquestes instàncies i registra les seves marques de temps exactes.

El sistema suporta fluxos de treball multilingües de forma automàtica, processant fitxers que contenen múltiples idiomes i detectant cadascun sense necessitat de segmentació manual. El model ofereix suport per a més de 90 idiomes.

La versió inclou característiques addicionals orientades a casos empresarials: identificació intel·ligent de parlants, marques de temps a nivell de paraula, etiquetatge dinàmic d'àudio que detecta esdeveniments no verbals, i compliment amb estàndards SOC 2, ISO 27001, PCI DSS L1, HIPAA i RGPD. També ofereix residència de dades a la Unió Europea i l'Índia.

Scribe v2 està disponible a ElevenLabs Studio i a través de l'API de la plataforma, permetent a desenvolupadors i empreses automatitzar processos d'àudio complexos.

Punts clau

• Scribe v2 assoleix la taxa d'error de paraules més baixa en els estàndards d'avaluació del sector
• El sistema keyterm prompting permet seleccionar fins a 100 paraules o frases específiques per a transcripció contextual
• Incorpora detecció automàtica d'entitats en 56 categories, incloent dades personals, de salut i de pagaments
• Suporta transcripció automàtica d'àudio amb múltiples idiomes sense configuració manual
• Ofereix suport per a més de 90 idiomes diferents
• Inclou identificació intel·ligent de parlants i marques de temps a nivell de paraula
• Compleix amb estàndards SOC 2, ISO 27001, PCI DSS L1, HIPAA i RGPD
• Disponible a ElevenLabs Studio i a través d'API per a automatització empresarial