整理過會議錄音的人,大概都遇到過這種情況:文字看着挺通順,覈對錄音才發現,兩個人的話接到了一起,產品名稱寫錯了,報價裏的數字也需要重新聽一遍。轉寫結束後,最費時間的工作往往纔剛開始。

2026 年 11 月 10 日,ElevenLabs 發佈 Scribe v3 和 Scribe v3 Live,兩者均已接入 ElevenAPI,Live 也已進入 ElevenAgents。前者面向已有錄音,後者用於實時音頻。本文依據公開資料整理,尚未實際調用這兩個模型。

先看你要處理哪一種音頻

如果手頭已經有一份完整錄音,例如採訪、課程或會議,優先考察錄音轉寫版本就比較直接。如果產品要一邊接收語音、一邊顯示文字,或在通話中及時回應,就需要研究實時版本。

這一步值得提前想清楚。做採訪整理的人,可能願意多等一會兒,換取更省心的後期校對。做語音客服的人,則要關注來電者停頓時,系統會不會提前接話。兩種場景的驗收標準相差很大。

這次有哪些細節值得看

官方文檔列出的能力中,Scribe v3 支持說話人區分,並可控制數字以數字字符或文字形式輸出;Scribe v3 Live 加入了結合對話上下文的輪次判斷。轉錄功能文檔還列出了專業詞彙提示與多語言音頻相關功能。

這些能力對應的都是很具體的麻煩。

會議裏,同一句“下週可以交”由誰說出口,會影響後續任務安排。整理文本時,最好能方便地回到對應錄音,覈實發言者和上下文。單靠一份流暢的會議摘要,很容易漏掉這種錯誤。

數字同樣值得單獨檢查。價格、日期、型號和電話號碼,經常成爲一段對話裏最重要的信息。輸出格式統一後,複製進表格會方便一些,原始內容仍要覈對。格式整齊與識別正確,需要分別驗收。

專業詞彙則適合拿自己的材料試。團隊的產品名、客戶簡稱、行業縮寫,平時聽起來很熟悉,識別系統卻可能轉成常見詞。準備一份小詞表,比較使用前後的轉寫結果,比只看一段演示更有參考價值。

費用可以先算,省下多少時間要自己測

截至 2026 年 11 月 12 日,官方 API 定價頁列示 Scribe v3 爲每小時 0.20 美元,Scribe v3 Live 爲每小時 0.22 美元,稅費另計。賬戶可用額度、併發限制及最終結算條件,需要結合自己的賬戶和所選服務確認。

對一個小工具站或獨立開發者來說,調用費用只是成本中的一部分。上傳、存儲、失敗重試、導出以及人工複覈,也會消耗資源。可以先做小批量試用記錄:每份錄音花了多少錢,處理多久,又用了多少分鐘校對。

如果最終用戶需要的是一份能交給同事的文檔,驗收就應當走到導出這一步。發言段落是否清楚、複製到 Word 後是否好整理、能否找到原音頻的位置,這些體驗都值得一併檢查。

我會怎樣做第一輪測試

先準備幾段獲得授權、可以用於測試的錄音:一段安靜環境中的單人講話,一段多人輪流發言,再加一段夾雜英文名詞或數字的日常對話。保留原始錄音,手工整理一份簡短參考文本。

檢查時把問題分開記:漏字和錯字、說話人歸屬、數字、專有名詞、標點與分段。中文用戶還可以單獨看同音詞和中英文混說;日文用戶可以留意人名、地名及術語寫法。這些都是建議測試項,本文沒有驗證相應語言的實際表現。

實時場景還要多看一件事:人說話時會思考、猶豫、補充。可以故意在一句話中間停一下,觀察系統接話的時機,再檢查轉寫內容有沒有被切斷。

涉及客戶、員工或其他人的錄音,上傳前要確認授權和數據處理要求。先用經過脫敏的樣本摸清效果,會穩妥很多。

這次更新值得關注的地方,在於它觸及了轉錄後經常要人工修補的細節。能不能真正減少整理時間,適合用自己的錄音來回答。等這一步測清楚,再考慮把它接進日常工作。

Scribe v3 Live Medical(早期存取)

Scribe v3 Live Medical 是面向 ElevenAgents 中醫療語音智能體的即時語音識別模型。它轉寫患者、會員與醫療服務提供方的通話,讓智能體在對方仍在線時,就能對聽到的藥物、劑量或診斷等資訊作出反應。該模型只在 ElevenAgents 中提供,不能透過 Speech to Text API 使用。若要透過 API 做醫療轉寫,應使用 Scribe v2 Medical。

它目前處於早期存取。在該模型的 HIPAA 資格確認之前,不應向其發送受保護的健康資訊;早期存取期間也無法使用歐盟資料駐留。轉寫結果是草稿,須由醫療專業人員或其他授權人員在臨床使用前審閱。它並不用於解釋臨床資訊,也不提供診斷、治療建議、臨床決定或其他臨床指導。

它可按說話所用語言轉寫 90 種以上的語言,而不做翻譯。ASR 關鍵詞可用於提高診所名、藥名等詞彙的識別,回合預測則依據對話上下文判斷對方是否說完。在智能體設定的 Automatic Speech Recognition 中選擇 Scribe v3 Live Medical;該選項需要 turn_v3 回合模型,並且只顯示在已獲得早期存取權限的工作區。