Інструменти / Аналіз
Scribe v3 від ElevenLabs визначає, коли співрозмовник завершив думку
Нові моделі для записаного аудіо й живої розмови отримали різні заяви про точність — і різні тести за ними.

Транскрипт може правильно передавати слова й усе одно ускладнювати розуміння розмови: співрозмовники перебивають одне одного, ім’я виявляється незнайомим, а довгу паузу система сприймає як кінець думки. У випуску Scribe v3 від 10 листопада ElevenLabs розглядає записане аудіо та живу транскрипцію як дві пов’язані, але різні задачі.
Компанія повідомляє про покращення порівняно з попередніми моделями. Водночас головні відсотки спираються на різні показники помилок — зводити їх до одного рейтингу не варто.
Що саме вимірюють відсотки
Для Scribe v3 компанія заявляє про відносне зменшення частоти помилок у словах на 27% проти Scribe v2 у власній версії тесту FLEURS зі 102 мовами. Ідеться про зменшення кількості помилок, а не про те, що модель правильно розпізнає на 27% більше слів. FLEURS складається з коротких зачитаних фрагментів і сам по собі не доводить якість роботи на шумній нараді.
Важливо розрізняти відносну зміну та зміну у відсоткових пунктах. Умовний приклад: зниження частоти помилок із 10% до 7,3% означає відносне зменшення на 27%, але різниця становить 2,7 відсоткового пункта, а не 27. Ці числа лише пояснюють арифметику й не є виміряними результатами ElevenLabs.
Для Scribe v3 Live у повідомленні про запуск наведено зменшення семантичної частоти помилок на 43% проти v2 Realtime і звичайної частоти помилок у словах на 31%. Семантичний показник оцінює зміст інакше, тому 43% та 27% не можна напряму порівняти. У заголовку документації для семантичного показника зазначено 44%, тоді як у повідомленні про запуск — 43%; причину розбіжності ці джерела не пояснюють.
ElevenLabs зазначає, що оцінювала кожну мову окремо, а потім усереднювала результати з однаковою вагою для кожної. Загальний показник іншого тесту, обчислений за всіма записами разом, може відповідати на інше запитання, хоча обидва показники називаються WER. Для перевірки визначення мовців компанія створила окремий набір зустрічей, дзвінків агентів і голосових нотаток: у кліпах FLEURS говорить лише одна людина.
Джерела: ElevenLabs [1] · ElevenLabs [2]
ElevenLabs представляє Scribe v3
Завантаження допису з X…
Офіційний допис ElevenLabs про запуск.
Слова й мовці — різні задачі
Обидві моделі також визначають мовців. Для Scribe v3, що працює із записаним аудіо, ElevenLabs повідомляє про менше помилок діаризації — тобто помилок у прив’язці сказаного до конкретної людини — на власному наборі записів зустрічей, дзвінків агентів і голосових нотаток. Для кліпів із трьома або більше мовцями компанія заявляє про зменшення таких помилок на 17% проти v2. Це результат на її власних даних, а не незалежна гарантія для кожного запису.
Мітки мовців відповідають на запитання «хто й коли говорив», а частота помилок у словах показує відповідність тексту еталону. Покращення одного не доводить покращення іншого. В інтерв’ю важливі обидва: точна фраза, приписана не тій людині, усе одно вводить читача в оману.
Окремого пояснення потребує тест визначення мовців у реальному часі. Перед оцінюванням ElevenLabs зіставила кожен транскрипт з еталоном, щоб відокремити помилки призначення мовця від пропущених слів. За словами компанії, така процедура знижує показники помилок для всіх моделей, тому результати Live не можна напряму порівнювати з показниками діаризації пакетної моделі.
Джерела: ElevenLabs [1]
Пауза не завжди означає кінець думки
Scribe v3 Live додає визначення завершення репліки: система враховує контекст розмови, коли вирішує, чи співрозмовник уже закінчив. Для голосового асистента це важливо: якщо відповісти надто рано, він переб’є думку; якщо чекати надто довго, розмова стане повільною.
Це прогноз моделі, а не обіцянка безпомилково розуміти кожну паузу чи перебивання. Корисна перевірка для команди — її власні розмови: довгі паузи, перебивання, акценти та робочі назви. Для цього матеріалу ми такого тесту не проводили.
Джерела: ElevenLabs [1] · ElevenLabs [2]
Як підказати системі потрібні назви
Keyterm prompting дозволяє підказати моделі імена та спеціальні терміни. У документації ElevenLabs для пакетного Scribe v3 зазначено до 1 000 ключових термінів; для Live описано більшу бібліотеку, але ліміти в документації різняться, тому її точну місткість слід уточнити. За використання ключових термінів і редагування транскрипту може стягуватися додаткова плата.
Для записаного інтерв’ю або архіву часові позначки на рівні слів допомагають повернутися від рядка тексту до аудіо й перевірити його. ElevenLabs також описує експериментальне редагування транскрипту: змінений текст повертається поряд з оригіналом, а початкові часові позначки й мітки мовців зберігаються. Очищена версія може допомогти з форматуванням, але її не варто сприймати як дослівний запис кожної паузи та обмовки.
ElevenLabs зазначає, що обидві моделі доступні через API, а застосунок використовує новий випуск. Багатомовний транскрипт усе одно потребує перевірки там, де важливі формулювання та авторство реплік; транскрипція сама по собі не є перекладом.
Джерела: ElevenLabs [1] · ElevenLabs [2]
ДЖЕРЕЛА ТА МЕТОД
Що стоїть за цим матеріалом
Перевірено 11 листопада 2026 року за анонсом і документацією ElevenLabs. Показники наведено за даними компанії; ми не тестували моделі самостійно. Обкладинка: Скульптурна металева хвиля з кольоровими лініями. Концептуальна ілюстрація Google Flow; хвиля декоративна, це не виміряні дані транскрипції.
- Introducing Scribe v3 ElevenLabs · 2026-11-10
- Speech to text ElevenLabs
- Scribe v3 launch post ElevenLabs

