闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 最强语音转文字模型，正在硅谷被热议。 直接把"快、 准、全"三个字拉到了新高度。 来自AI语音独角兽公司ElevenLabs，刚刚发布了 Scribe v2 Realtime 实时语音转文本模型，网友表示：Next-Level。 何出此言？还得看它这组王炸数据—— 据官方数据，Scribe v2 Realtime在针对前30种常用语言的FLEURS基准测试里，准确率飙到93.5%，在一众同赛道模型中表现突出。 150毫秒的超低延迟，93.5%的高准确率，还覆盖了90多种语言 。 要知道，人类眨一次眼的平均时长在100-400毫秒……这就意味着，你说完一句话眨下眼，文字就已经同步到屏幕上了。 小测一下 不仅延迟低，准确率也破新高。 就算环境吵闹，方言讲话、或者说话内容里夹着一堆专业术语，它也能精准抓住每一个关键词，甚至能辨别你的笑声是大笑还是苦笑 （doge）。 适配能力也比较全面。在音频格式方面，像PCM（8-48kHz）、μ-law 编码等常用类型都能支持。语音活动检测功能可以精准检测语音起 止，手动提交控制能让使用者自主决定何时最终确定转录内容，便于实 ...