ElevenLabs 语音识别新模型 Scribe v3 准确率登顶,但速度慢价格贵一倍
The Decoder · rss · 2026-11-12
ElevenLabs 发布 Scribe v3 与 Scribe v3 Live 两款语音识别模型,主打在嘈杂环境和多人抢话(crosstalk)场景下准确转写,Scribe v3 Live 还能利用对话上下文避免语音 agent 打断说话人。Artificial Analysis 的基准显示其准确率 narrowly 超过 OpenAI、Google、Microsoft 等对手,但代价是 Microsoft、xAI 等竞品速度快数倍且价格约为其一半。
「多模态」频道最新
- Blender MCP 集成 World Labs Marble,可在 Blender 内用 LLM 生成 3D 世界 — sidahuj · 2026-11-12
- 99% AI 制作的音乐 MV：五个生成工具全流程拆解 — LinusEkenstam · 2026-11-12
- 1967 年《计算机与自动化》计算机艺术竞赛档案：计算机艺术史的关键转折 — Merzmensch · 2026-11-12
- MiniMax H3图像模型接入Picsart，10秒出4K图 — MiniMax_AI · 2026-11-12
- 神级 AI 视频分镜：神奇女侠问蝙蝠侠要硬币喂机械马 — michaelrabone · 2026-11-12
- Reddit 实测：H3-Image 总把人物「瘦身」，H3 视频却能保住体型 — poptamale · 2026-11-12