ElevenLabs、音声認識モデル「Scribe v3」と「Scribe v3 Live」を発表

ElevenLabsは、同社史上最も高精度だとする音声認識モデル「Scribe v3」と「Scribe v3 Live」を発表しました。現実の音声向けに開発され、次のような状況に対応するとしています。

• 極端な背景ノイズ
• 文の終わりと途中の間を見分ける
• 騒がしい会議で、誰が何を話したかを追跡する

これらはElevenLabsの主張であり、投稿にはベンチマークの数値は示されていません。