ElevenLabs Scribe v3 Live 登顶语音转写榜,21 模型中 WER 最低 1.89%
lukeharries · x · 2026-11-11
第三方评测机构 Cekura 发布实时语音转写（STT）排行榜，ElevenLabs Scribe v3 Live 在 21 个受测模型中以 1.89% 的整体词错率（WER）夺冠，在真实电话录音（Ocular 授权数据）上也以 2.05% 领先。
- 速度之王是 Reson8 Rumble-2：最终文本延迟 P50 仅 18ms（Scribe v3 Live 为 57ms），整体 WER 2.05%，价格仅 $0.12/小时，远低于 Scribe 的 $0.39/小时（沿用 v2 Realtime 费率，v3 Live 尚未公布定价）。
- Fish Audio Transcribe Stream 1 以 2.21% WER 排第三。
结论：语音模型迭代极快，精度与延迟形成两极——要最快选 Rumble-2，要最准选 Scribe v3 Live。
「多模态」频道最新
- 独立创作者用 AI 三周做出 20 分钟科幻动画剧集 — Kavanthekid · 2026-11-11
- 开源 PersoDub 本地配音：用你自己的声音把视频译成 100+ 语言 — bigaiguy · 2026-11-11
- 用 MiniMax H3-Image 生成时尚拍摄参考板，多帧一致性实测 — Hot-Purchase-3738 · 2026-11-11
- Midjourney 风格码 --sref 1109104433 实测：油画感都市人群像 — sergeantsref · 2026-11-11
- 用 MiniMax H3-Image 一句 Prompt 生成工业级机械手工程图 — LearnWithBishal · 2026-11-11
- 哥特风 2D 人像 Prompt 分享,附三张成品图 — azed_ai · 2026-11-11