Scribe v3 Live von ElevenLabs kennzeichnet jeden Sprecher während des Gesprächs

Das Live-Modell kennzeichnet nun, wer gerade spricht, während das Gespräch läuft – ein Novum bei der Echtzeit-Transkription von ElevenLabs. Es verändert auch den Sprecherwechsel bei Sprachagenten. Heutige Systeme warten oft eine feste Zeit Stille ab, was einen Anrufer abschneiden kann, der mitten im Vorlesen einer Nummer pausiert. Scribe v3 Live berücksichtigt neben dem Audio den Gesprächskontext, um zu entscheiden, wann jemand ausgesprochen hat, berichtet The Decoder. Ein mehrsprachiger Modus kommt mit Anrufern zurecht, die innerhalb eines Satzes die Sprache wechseln – ein Wunsch seiner Kunden in Indien nach Hindi und Englisch, so ElevenLabs.

Entwickler können beide Modelle über die API von ElevenLabs aufrufen; der Wechsel von Scribe v2 erfordert nur eine Änderung des Modellnamens. Das Live-Modell läuft zudem in ElevenAgents, dem Sprachagenten-Produkt des Unternehmens. Die Genauigkeitswerte stammen von ElevenLabs selbst.

Laut unserer Preisübersicht (Stand 12. November) kostet der Starter-Tarif von ElevenLabs 6 $ pro Monat für 30.000 Credits mit kommerzieller Lizenz; der Gratis-Tarif ist für die private Nutzung mit Namensnennung gedacht und schließt bezahlte Anzeigen aus.

Weil die Sprecherkennzeichnung jetzt schon während des Gesprächs eintrifft, zeigt ein Live-Transkript von ElevenLabs, wer was sagt, während das Gespräch läuft. So kann ein Vertriebs- oder Support-Mitarbeiter zwei Personen auf der Anruferseite unterscheiden, während sie sprechen.