Точность и скорость
Scribe v3 предназначена для заранее записанного аудио, а Scribe v3 Live — для приложений с низкой задержкой, работающих в реальном времени. ElevenLabs заявляет, что новая Scribe v3 примерно на 25% реже ошибается в словах, чем предыдущая версия, и поддерживает 102 языка. Компания также отмечает значительное улучшение точности для немецкого языка. Распознавание того, кто и когда говорит, стало надёжнее в больших группах, а Scribe v3 Live впервые позволяет применять эту функцию в реальном времени.
По результатам независимого бенчмарка Artificial Analysis, Scribe v3 точнее моделей Microsoft, Mistral, xAI, Google и OpenAI. Впереди неё оказалась только предварительная версия модели Alibaba.
Scribe v3 — самая точная модель в тесте Artificial Analysis, но несколько уступает в скорости. Её эталонная цена — 3,33 доллара за 1 000 минут (не показана)
Источник: the-decoder.com
Для тех, кому нужно быстро и недорого обрабатывать большие объёмы аудио, результаты менее привлекательны: по скорости и стоимости ElevenLabs находится примерно в середине рейтинга. Модели Microsoft и xAI работают во много раз быстрее, ошибаются лишь немного чаще и обходятся примерно вдвое дешевле.
Бенчмарк учитывает только ошибки в словах при обработке записей. Он не оценивает распознавание говорящих, работу с редкими языками и поведение Scribe v3 Live в реальном времени — преимущества, на которые указывает ElevenLabs.
Как Scribe v3 Live избегает перебиваний
Голосовые агенты часто ориентируются на фиксированные таймеры пауз. Из-за этого они могут начать говорить, пока собеседник ещё не закончил: например, когда тот ненадолго замолчал, чтобы подумать, или медленно диктует последовательность цифр. Scribe v3 Live сопоставляет аудиосигнал с контекстом разговора и определяет, действительно ли человек закончил фразу.
Разработчики могут заранее загрузить в модели тысячи специализированных терминов — например, названия брендов или лекарств, — чтобы снизить вероятность ошибок в профессиональной лексике. Правила оформления чисел и дат задаются обычным языком, а многоязычный режим обрабатывает смену языка посреди фразы. Корпоративным клиентам доступны изолированные серверы в ЕС и режим без хранения данных: он должен удалять данные сразу после каждого запроса.
Новые партнёрства ElevenLabs
Параллельно с выпуском моделей ElevenLabs расширяет корпоративное направление. В рамках расширенного партнёрства с Nvidia компания внедряет в ElevenAgents открытую языковую модель Nemotron 3.5 Super VL, получает дополнительные вычислительные мощности на оборудовании Nvidia и разрабатывает локальное голосовое управление для роботов. Кроме того, ElevenLabs запустила телефонного агента для системы общественного здравоохранения Польши.
Компания также объявила о сотрудничестве с консалтинговой фирмой McKinsey, расширении партнёрской программы для системных интеграторов и запуске собственного маркетплейса. В нём готовых голосовых агентов предлагают такие компании, как Salesforce, IBM и Zendesk.
По оценке Dataist, Scribe v3 Live нацелен на конкретную проблему голосовых агентов — преждевременное завершение реплики пользователя. Но опубликованный бенчмарк не проверяет работу модели в реальном времени, поэтому её точность в этой ситуации нельзя сопоставить с конкурентами по приведённым данным. Для обработки больших объёмов записей компромисс между скоростью, стоимостью и точностью также остаётся существенным.
Читайте также
Кибератака на Fireworks AI открыла хакерам доступ к расшифровкам чатов клиентов Notion
Работники в США защищают свои рабочие места от ИИ — и побеждают
Девять корейских стартапов борются за место в Startup Battlefield 200 на Disrupt 2027
Дженсен Хуанг уходит с поста генерального директора Nvidia
Австралийский законопроект обяжет разработчиков передовых ИИ-моделей допускать независимые проверки безопасности
Google DeepMind перешла от прогнозов для целых тканей к анализу отдельных типов клеток в AlphaGenome 2
Google запросила данные Spirit Airlines, но бортпроводники нашли способ отказаться от передачи
Меньше рабочих часов и выше зарплаты — или больше выгорания и слежки: работодателям пора готовиться к ИИ
Meta теряет многолетнего главу инфраструктурного направления
Инспекция полиции предупреждает: ошибки распознавания лиц грозят этническим меньшинствам незаконными арестами
Раунд на $720 млн даёт британской Fractile преимущество в гонке ИИ-чипов
CoreWeave финансирует рост в сфере ИИ авансами клиентов и более короткими контрактами
Google включилась в гонку моделей принятия решений: Gemini Decision 1 оценивает 1000 вопросов за один проход
Расходы компаний США на ИИ в октябре достигли нового максимума, но рост замедлился до 1,65%
Носимые устройства помогут оценивать сердечно-сосудистые, почечные и метаболические риски для персональных рекомендаций
Anthropic: ИИ сокращает преимущество Nvidia в CUDA — переход на чипы AMD занял три дня вместо месяцев
DeepL хочет, чтобы синхронный перевод наконец передавал сарказм и смены настроения
Стартап хочет бороться с биологическим оружием на основе ИИ с помощью ИИ
Ставка OpenAI на корпоративные продажи довела квартальную выручку до $10 млрд, но до Anthropic компании всё ещё далеко
Новый ИИ-агент Databricks говорит гендиректору Али Годси всю правду без прикрас
Ежедневные новости об ИИ
Каждый день отбираем важные новости об ИИ и рассказываем главное — без хайпа и воды. Если хотите понимать, что происходит в ИИ раньше остальных, — подписывайтесь.
Только важное — каждый день
В Telegram