ElevenLabs és coneguda sobretot per les seves veus sintètiques, però des de fa un temps també ven models que fan la feina inversa: convertir en text el que diu una persona. És una peça clau dels agents de veu que contesten trucades d'atenció al client i de les eines que prenen notes de reunions, i un mercat on competeix amb OpenAI, Google i moltes empreses més petites.
Aquest 10 de novembre ha presentat dos models nous: Scribe v3, per a enregistraments, i Scribe v3 Live, per a àudio en temps real. Segons l'empresa, el primer fa un 27% menys d'errors de paraula que la versió anterior de mitjana en 102 llengües, mesurat amb una versió interna de FLEURS, una col·lecció de frases curtes llegides en veu alta. També s'equivoca un 12% menys a l'hora de dir qui parla en cada moment, i un 17% menys quan hi ha tres o més persones. La versió en temps real, que per primera vegada separa les veus dels diferents interlocutors, fa un 31% menys d'errors de paraula i un 43% menys dels que canvien el sentit de la frase. La companyia energètica neerlandesa Eneco diu que el seu agent de veu ara entén a la primera un 40% més sovint els codis postals.
La transcripció en directe és el coll d'ampolla de molts sistemes de veu: si l'agent entén malament un número o un nom, tota la conversa se n'ha d'anar enrere. Distingir qui parla en temps real també és important per a les eines de reunions, que han de saber a qui atribuir cada compromís. ElevenLabs també prepara una versió de Scribe v3 Live adaptada a les converses mèdiques, i els dos models ja funcionen per defecte a la seva aplicació i al seu servei per a desenvolupadors.
Totes les xifres surten de proves de la mateixa ElevenLabs, que diu que publicarà aviat les dades de converses reals que ha fet servir. L'empresa reconeix que la prova FLEURS és de veu clara i llegida, molt diferent d'una trucada amb soroll, i que els resultats en temps real i en diferit no són directament comparables. L'anunci no detalla el rendiment llengua per llengua, i el català no hi surt esmentat. Tampoc no hi ha informació sobre preus.