Scribe v3 Live, da ElevenLabs, identifica quem fala durante a chamada

O modelo ao vivo agora identifica quem está falando enquanto a chamada acontece, uma novidade na transcrição em tempo real da ElevenLabs. Ele também muda a alternância de falas dos agentes de voz. Os sistemas atuais costumam esperar um tempo fixo de silêncio, o que pode cortar quem faz uma pausa no meio de um número ditado. O Scribe v3 Live pesa o contexto da conversa junto com o áudio para decidir quando alguém terminou de falar, informa o The Decoder. Um modo multilíngue atende quem alterna de idioma na mesma frase, algo que, segundo a ElevenLabs, clientes na Índia pediram para hindi e inglês.

Desenvolvedores podem chamar os dois modelos pela API da ElevenLabs, onde migrar do Scribe v2 exige trocar só o nome do modelo. O modelo ao vivo também roda no ElevenAgents, o produto de agentes de voz da empresa. Os números de precisão são da própria ElevenLabs.

Na nossa tabela de preços, verificada em 12 de novembro, o plano Starter da ElevenLabs custa US$ 6 por mês, com 30.000 créditos e licença comercial; o plano gratuito é para uso pessoal, com atribuição, e proíbe anúncios pagos.

Como os rótulos de quem fala agora chegam durante a chamada, uma transcrição ao vivo da ElevenLabs pode mostrar quem disse o quê enquanto a conversa acontece, e um atendente de vendas ou suporte consegue distinguir duas pessoas do lado do cliente enquanto elas falam.