ElevenLabs lancia Scribe v3 e Scribe v3 Live: meno errori di trascrizione e identificazione dei parlanti in tempo reale
ElevenLabs sostituisce i suoi modelli di trascrizione con Scribe v3, per l'audio registrato, e Scribe v3 Live, per le dirette. L'azienda annuncia il 27% di errori in meno su 102 lingue, l'attribuzione delle parole a ciascun interlocutore in tempo reale e un rilevamento della fine del turno di conversazione basato sul contesto.
Una trascrizione errata costa cara, perché l’errore si propaga a catena: nel verbale, nel riassunto e infine nell’azione intrapresa da un agente. È questo l’argomento chiave di ElevenLabs, che il 10 novembre ha lanciato Scribe v3 e Scribe v3 Live, i suoi nuovi modelli di riconoscimento vocale pensati rispettivamente per l’audio registrato e per le applicazioni dal vivo.
Chi ha detto cosa, persino in diretta
Il cambiamento più evidente riguarda la diarizzazione, vale a dire l’attribuzione di ogni frase al rispettivo interlocutore. Scribe v3 commette, stando a quanto dichiarato dall’azienda, il 17% di errori in meno rispetto al predecessore sulle registrazioni con tre o più voci, il contesto in cui la maggior parte dei modelli fallisce. Ma la vera novità è che Scribe v3 Live porta questa funzione in tempo reale: 3,1% di errore sul sottoinsieme inglese del benchmark interno di ElevenLabs, contro il 5,9%-7,3% degli altri modelli real-time testati.
Per gli agenti vocali, l’altro grande progresso è il rilevamento del cambio di turno conversazionale. I sistemi tradizionali attendono una pausa di silenzio: se troppo breve, interrompono chi sta semplicemente esitando; se troppo lunga, rendono l’agente lento nella risposta. Scribe v3 Live analizza invece il contesto della frase, evitando di tagliare la parola a chi si ferma un istante mentre scandisce un numero. Il fornitore di energia olandese Eneco, che ha integrato il modello nel proprio assistente telefonico, riferisce di aver riconosciuto i codici di avviamento postale al primo tentativo il 40% più spesso.
Numeri interni, ancora da verificare
ElevenLabs dichiara una riduzione del 27% degli errori sui vocaboli rispetto a Scribe v2 sulle 102 lingue della versione interna del test FLEURS, con progressi generalizzati: ad esempio il 23% in inglese, il 35% in spagnolo e il 42% in tedesco. In tempo reale, l’errore «semantico» — che tiene conto solo degli sbagli capaci di alterare il significato — scende del 43%. Il modello accetta inoltre fino a 1.000 termini chiave e istruzioni di formattazione in linguaggio naturale («scrivi ogni data nel formato AAAA-MM-GG»), mentre Scribe v3 Live gestisce i passaggi fluidi da un idioma all’altro a frase in corso.
Questi risultati restano tuttavia dichiarazioni dello sviluppatore: FLEURS è un corpus di frasi lette in condizioni ottimali, mentre il dataset reale di ElevenLabs, articolato su 16 lingue, non è ancora pubblico. L’azienda ne ha promesso il rilascio a breve. Nessun dettaglio sui prezzi è stato fornito nella comunicazione ufficiale.
La nostra lettura
La trascrizione sta diventando l’ingranaggio critico degli agenti vocali e la sfida si gioca ormai sulla tempestività reale: comprendere chi parla e in quale momento esatto cede la parola conta più di un punto percentuale di accuratezza strappato su un file audio pulito. ElevenLabs avanza cifre notevoli ma tutte derivate da misurazioni proprietarie; l’annunciata pubblicazione del dataset reale costituirà il vero banco di prova, tanto più che l’ecosistema open source avanza con decisione, come dimostrato da Nemotron 3.5 Transcribe di NVIDIA. Per le realtà europee, la disponibilità di infrastrutture dedicate isolate nell’UE e la modalità a conservazione zero dei dati rimangono fattori altrettanto determinanti quanto la precisione pura.
Fonti
- ElevenLabs — Introducing Scribe v3 and v3 Live, our most accurate speech to text models (10 novembre 2026) Fonte primaria
- ElevenLabs — documentazione Trascrizione (Speech to Text) Fonte primaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.
