Scribe v3 von ElevenLabs transkribiert fertige Audio- und Videodateien. Für ein Interview oder einen Podcast kannst du Wörter mit Zeitstempeln ausgeben lassen und bei Bedarf markieren, wer gesprochen hat. ElevenLabs führte die Version am 9. November 2026 im API-Changelog als verfügbar. Für ein laufendes Gespräch gibt es mit Scribe v3 Live einen eigenen Zugang. ElevenLabs zur Einführung beider Modelle
Audio und Video transkribieren
Im Browser kannst du über Speech to Text von ElevenLabs eine Datei hochladen, etwa MP3, WAV oder MP4. Nutze die Sprechererkennung, wenn im Interview mehrere Personen reden. Kontrolliere vor dem Export, ob die Zuordnung bei kurzen Einwürfen stimmt. Wortzeitstempel helfen dir, nach der Korrektur im Audio an die richtige Stelle zurückzuspringen.
In einer eigenen Anwendung bleibt für den Umstieg von v2 der Endpunkt POST /v1/speech-to-text gleich. Setze model_id auf scribe_v3. Das Vorgängermodell scribe_v2 bleibt verfügbar. Damit kannst du dieselbe Datei mit beiden Versionen verarbeiten, bevor du umstellst. ElevenLabs dokumentiert Wortzeitstempel und die Unterscheidung von bis zu 32 Sprechern. Die Labels helfen, Beiträge auseinanderzuhalten. Für die Zuordnung zu tatsächlichen Namen brauchst du den Kontext der Aufnahme. Modelle und API-Umstieg
Wo v3 in der Nachbearbeitung hilft
ElevenLabs meldet im FLEURS-Test über 102 Sprachen 27 Prozent weniger Wortfehler als bei Scribe v2. Für Deutsch zeigt die veröffentlichte Grafik einen Rückgang der Wortfehlerrate von 3,7 auf 2,1 Prozent. Jeder FLEURS-Ausschnitt enthält laut Hersteller nur eine Stimme. Welche Person einen Satz gesagt hat, lässt sich damit nicht prüfen. Bei Aufnahmen mit drei oder mehr Sprechern meldet ElevenLabs in einem separaten Test 17 Prozent weniger Zuordnungsfehler als mit v2. Nutze beim Vergleich auch eigene Stellen mit Sprecherwechseln und überlappender Sprache.
Wenn du Untertitel exportierst, kontrolliere außerdem, ob eine Zeile beim richtigen Wort einsetzt. Eine Korrektur am Text ändert die Audioaufnahme nicht. Ein richtiger Satz, der zu früh erscheint, braucht im Untertitel eine andere Zeitmarke.
Wenn die Transkripte weiterverarbeitet werden, ist numbers_format nützlich. Mit digits gibt Scribe Zahlen als Ziffern aus. Das erleichtert es deinem Programm, Werte wie Stückzahlen zu übernehmen. words schreibt sie aus und kann besser zum Lesefluss eines redigierten Transkripts passen. Bei einer deutschen Aufnahme mit englischen Passagen kannst du außerdem erwartete Nebensprachen mit secondary_language_codes angeben. Prüfe anschließend Produktnamen und Zahlen im Ergebnis an der Originaldatei. Neue Zahlen- und Sprachoptionen
Scribe v3 hat derzeit keinen Eintrag im KI-Weekly-Ranking. Die Übersicht zeigt Textmodelle für einen anschließenden Verarbeitungsschritt, etwa die Zusammenfassung eines fertigen Transkripts.
Für laufende Gespräche unterscheidet sich der Ablauf. In unserem Vergleich für Scribe v3 Live siehst du, wann der Dienst einen Abschnitt beim Sprechen abschließt. Scribe v3 Live vs. v2 Realtime: Wann der Agent antwortet.
Weitere KI-Werkzeuge für Audio und Transkription stellen wir im kostenlosen KI-Weekly-Newsletter vor.
Kommentare (0)
Der Kommentarbereich wird geladen, sobald du ihn erreichst.
Weiterlesen