27% פחות שגיאות באותו מחיר: ElevenLabs משיקה את Scribe v3

ElevenLabs שדרגה את קו ה-speech-to-text שלה. Scribe v3 מוריד את שיעור שגיאות המילים ב-27% לעומת הגרסה הקודמת, ו-Scribe v3 Live, גרסת ה-streaming לזמן אמת, מוריד אותו ב-43%. המחירים נשארו כמו שהם, כך שלקוחות קיימים מקבלים את שיפור הדיוק בלי לשלם יותר. בבדיקה עצמאית על אודיו של שיחות טלפון, תחום קשה עם דחיסה, דיבור חופף ורעשי רקע, Scribe v3 Live הגיע למקום הראשון בשתיים מתוך ארבע השפות שנבדקו.

השיפור הגדול במודל ה-Live הוא המספר החשוב יותר מבחינה עסקית. תמלול בזמן אמת מזין voice agents, אנליטיקה של מוקדי שירות וכתוביות חיות, ושם כל שגיאה עוברת מיד לשלבי ה-reasoning שאחריה. voice agent ששומע לא נכון מספר חשבון או שם של תרופה נכשל מול הלקוח. תמלול batch אפשר לתקן אחר כך, תמלול חי אי אפשר. הורדה של כמעט חצי מהשגיאות בזמן אמת מצמצמת את הפער בין איכות streaming לאיכות offline, שהיה במשך זמן רב הפשרה המרכזית בתחום.

התחרות בזיהוי דיבור התחממה. Mistral הציגה השבוע את Voxtral Transcribe 3, שתמלל בזמן אמת את כל ההרצאות על הבמה הראשית ב-AI Engineer Paris בעזרת context biasing עם שמות דוברים ומונחים טכניים. OpenAI מעבירה את כל משתמשי ChatGPT Voice ל-GPT-Live ומוציאה משימוש את מצבי הקול הישנים ב-11 בדצמבר. Deepgram, AssemblyAI וענקיות הענן מתחרות כולן על שיעור שגיאות לדולר. המיקום של ElevenLabs חריג, כי היא מוכרת גם סינתזה וגם זיהוי דיבור, ולכן יכולה להציע לולאת voice agent מלאה מספק אחד.

הסתייגויות: נתוני ה-27% וה-43% מגיעים מ-ElevenLabs עצמה, והסיקור לא פירט את נקודות הייחוס ואת סטי הבדיקה. הבדיקה העצמאית על שיחות טלפון מעודדת, אבל כיסתה רק ארבע שפות, ובשתיים מהן Scribe הפסיד. צוותים ששוקלים מעבר צריכים להריץ קודם את האודיו שלהם, במיוחד מבטאים, ז'רגון מקצועי וערוצים רועשים. כדאי לעקוב אם המתחרים יגיבו בהורדת מחירים, כי שיפור דיוק בלי העלאת מחיר מפעיל לחץ על כל השוק.