Scribe v3 de ElevenLabs reduce, segundo a empresa, un 35 % os erros en español

ElevenLabs presentou o 10 de novembro no seu blog Scribe v3 e Scribe v3 Live, dous modelos de voz a texto: o primeiro para audio gravado e o segundo para audio en tempo real. A noticia compartiuse en EduMedia-IAG.

Segundo a empresa, Scribe v3 comete un 27 % menos de erros de palabras que Scribe v2 en 102 idiomas, e un 35 % menos en español. Scribe v3 Live reduce un 43 % os erros de palabras «semánticos» e un 31 % a taxa de erro de palabras estándar respecto a Scribe v2 Realtime, e é o primeiro da serie que identifica quen fala en tempo real. Na versión gravada, a empresa indica un 12 % menos de erros ao separar falantes e un 17 % menos con tres ou máis. Son medicións de ElevenLabs, non de terceiros.

Para a aula pode servir para transcribir clases, entrevistas ou gravacións do alumnado. Ambos modelos están dispoñibles na súa API e son os predeterminados da súa aplicación; o artigo non menciona prezos e, por defecto, o procesamento faise nos Estados Unidos, con contornos illados na UE só para clientes empresariais, un dato a ter en conta con voces do alumnado.