# Scribe v2

Éditeur : ElevenLabs (États-Unis). Poids fermés (selon Artificial Analysis).

En bref : 3e sur 39 en transcription en français ; 3e sur 51 en transcription en anglais (Artificial Analysis) ; 7e sur 53 en transcription en anglais (Open ASR).

Page : https://quelleia.com/voix/modeles/scribe-v2/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de transcription d'ElevenLabs pour les fichiers audio, avec horodatage au mot, séparation des locuteurs, détection d'entités et balisage des événements sonores. Il accepte une liste de termes clés pour les noms propres et le vocabulaire métier, et détecte seul les changements de langue dans un même fichier. (lu sur https://elevenlabs.io/blog/introducing-scribe-v2, https://elevenlabs.io/docs/overview/models)

- Sortie : 9 janvier 2026 (lu sur la page de l'éditeur, https://elevenlabs.io/blog/introducing-scribe-v2)

## Langues

- Annoncées par l'éditeur : plus de 90 langues, dont le français.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 3e sur 39 en transcription en français (3,29 %).
- Source des langues annoncées : https://elevenlabs.io/docs/overview/models, https://elevenlabs.io/docs/overview/capabilities/speech-to-text

## Ses classements

- Transcription en français : 3e sur 39, taux d'erreur par mot 3,29 % ; par jeu de test : Common Voice 4,40 %, FLEURS 2,93 %, MLS 2,53 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).
- Transcription en anglais, indice AA-WER : 3e sur 51, taux d'erreur par mot 2,18 % ; prix : 3,67 $ pour 1 000 minutes de parole ; par jeu de test : AA-AgentTalk 1,51 %, Earnings22 3,95 %, VoxPopuli 1,74 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-text/models/elevenlabs (relevé du 19 octobre 2026).
- Transcription en anglais, Open ASR : 7e sur 53, taux d'erreur par mot 5,24 % ; par jeu de test : AMI-Cleaned 8,19 %, Earnings22-Cleaned-AA-chunked 4,80 %, Gigaspeech-Cleaned 7,63 %, LS Clean 1,06 %, LS Other 2,33 %, Private (conversational) 13,66 %, Private (scripted) 3,00 %, SPGISpeech 3,01 %, URGENT24 9,20 %, Voice Arena Monsoon 3,32 %, Voxpopuli-AA-Cleaned 1,41 %. Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

## Modèles proches

- Transcription en français : [azure-speech-06-2026](https://quelleia.com/voix/modeles/microsoft-azure-speech-06-2026/), 2e (3,27 %), juste devant
- Transcription en français : [Hojo-ASR-Multi-V1](https://quelleia.com/voix/modeles/hojo-asr-multi-v1/), 4e (3,57 %), juste derrière
- Transcription en anglais, indice AA-WER : [MAI-Transcribe-2](https://quelleia.com/voix/modeles/microsoft-mai-transcribe-2/), 2e (2,04 %), juste devant
- Transcription en anglais, indice AA-WER : [Grok Voice Transcribe 2.0](https://quelleia.com/voix/modeles/spacexai-grok-voice-transcribe-2-0/), 4e (2,29 %), juste derrière
- Transcription en anglais, Open ASR : [Sophea ASR K1](https://quelleia.com/voix/modeles/sophea-asr-k1/), 6e (5,23 %), juste devant
- Transcription en anglais, Open ASR : [Universal-3.5 Pro](https://quelleia.com/voix/modeles/assemblyai-universal-3-5-pro/), 8e (5,39 %), juste derrière

## Comment lire ces chiffres

- Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.

## Noms dans les sources

- Hugging Face (hf-audio) : elevenlabs/scribe_v2
- Artificial Analysis : Scribe v2

## Liens

- Page de l'éditeur : https://elevenlabs.io/blog/introducing-scribe-v2
- L'essayer : https://elevenlabs.io/speech-to-text

## Pages lues

- https://elevenlabs.io/blog/introducing-scribe-v2 (« Published Jan 9, 2026 »), 17/10/2026
- https://elevenlabs.io/blog/introducing-scribe-v2 (« Scribe v2 is built for batch transcription , subtitling, and captioning at scale. »), 17/10/2026
- https://elevenlabs.io/blog/introducing-scribe-v2 (« The model automatically detects each language and transcribes it correctly without manual segmentation or configuration. »), 17/10/2026
- https://elevenlabs.io/docs/overview/models (« Scribe v2 State-of-the-art speech recognition model Accurate transcription in 90+ languages Keyterm prompting, up to 1000 terms Entity detection, 65 entity types »), 17/10/2026
- https://elevenlabs.io/docs/overview/models (« It provides precise word-level timestamps and advanced features like speaker diarization and dynamic audio tagging. »), 17/10/2026
- https://elevenlabs.io/docs/overview/capabilities/speech-to-text (« Excellent (≤ 5% WER) Belarusian (bel), Bosnian (bos), Bulgarian (bul), Catalan (cat), Croatian (hrv), Czech (ces), Danish (dan), Dutch (nld), English (eng), Estonian (est), Finnish (fin), French (fra) »), 17/10/2026