Scribe v2
ElevenLabs · États-Unis
- Poids fermés (selon Artificial Analysis)
- Français annoncé
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).
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 elevenlabs.io, le 17/10/2026.
- Sortie
- 9 janvier 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : plus de 90 langues, dont le français. Lu sur elevenlabs.io.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 3e sur 39 en transcription en français (3,29 %).
Ses 3 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
3e sur 39taux 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 · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, indice AA-WER
3e sur 51taux d'erreur par mot 2,18 %
Prix : 3,67 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 1,51 %, Earnings22 3,95 %, VoxPopuli 1,74 %
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
7e sur 53taux 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 · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, azure-speech-06-2026 (2e, 3,27 %) · derrière, Hojo-ASR-Multi-V1 (4e, 3,57 %)
- Transcription en anglais, indice AA-WER : devant, MAI-Transcribe-2 (2e, 2,04 %) · derrière, Grok Voice Transcribe 2.0 (4e, 2,29 %)
- Transcription en anglais, Open ASR : devant, Sophea ASR K1 (6e, 5,23 %) · derrière, Universal-3.5 Pro (8e, 5,39 %)
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.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
elevenlabs/scribe_v2; Artificial Analysis :Scribe v2 - Fiche
- Registre de QUELLE IA.
- 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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.