Das kalifornische Startup ElevenLabs hat mit Scribe ein Transkriptionsmodell entwickelt, das nicht nur durch Präzision überzeugt, sondern auch nonverbale Elemente erkennt. Doch wie hebt sich Scribe von der Konkurrenz ab?
Bekannt geworden durch Sprachsynthese und Stimmenklonen, geht ElevenLabs nun den umgekehrten Weg: Scribe verwandelt gesprochene Sprache in Text und ist sowohl über die Website als auch per API verfügbar. Die Stärke des Modells liegt in seiner hohen Erkennungsgenauigkeit für 99 Sprachen – darunter auch selten unterstützte wie Serbisch, Kantonesisch und Malayalam.
In Benchmark-Tests mit Datensätzen wie FLEURS und Common Voice schnitt Scribe besser ab als vergleichbare Systeme von Google, OpenAI und Deepgram. Artificial Analysis bestätigte die Überlegenheit des Modells mit einer Wortfehlerrate von nur 7,7 Prozent – die niedrigste aller getesteten Systeme.
Ein Alleinstellungsmerkmal von Scribe ist die Fähigkeit, nonverbale Elemente wie Lachen, Musik und Hintergrundgeräusche zu erkennen. Darüber hinaus analysiert das Modell lange Audiokontexte, um eine präzise Diarisierung zu ermöglichen. So kann es bis zu 32 verschiedene Sprecher:innen in einer Aufnahme unterscheiden.
Auch die Integration in bestehende Anwendungen ist unkompliziert: Die Transkriptionsergebnisse werden mit exakten Zeitstempeln versehen und lassen sich strukturiert über die API abrufen. Dadurch eignet sich Scribe für vielfältige Einsatzbereiche – von der automatisierten Dokumentation bis zur Analyse von Kund:innengesprächen im Callcenter.
Interessant ist auch das Preismodell: Eine Stunde Transkription kostet 0,40 US-Dollar – vergleichbar mit OpenAIs Whisper. In den ersten sechs Wochen gewährt ElevenLabs sogar einen Rabatt von 50 Prozent. Eine Version mit niedriger Latenz für den Echtzeiteinsatz ist ebenfalls bereits angekündigt. Mit diesen Funktionen tritt ElevenLabs in direkte Konkurrenz zu etablierten Anbietern wie Google, OpenAI, Deepgram und AssemblyAI. Das 2022 gegründete Unternehmen konnte kürzlich 180 Millionen US-Dollar an Investitionen einwerben und wird mittlerweile mit 3,3 Milliarden US-Dollar bewertet.