Scribe官网 – 全球最准确的语音转文本模型

Scribe 是 ElevenLabs 开发的语音转文本（ASR）模型，支持 99 种语言，能够处理真实世界的音频，提供词级时间戳、说话人分离和音频事件标记（如笑声），并以结构化 JSON 格式返回结果。它在基准测试中表现优异，特别是在意大利语（98.7%）和英语（96.7%）等语言中。Scribe 适用于会议摘要、电影字幕和歌词转录，未来可能支持实时应用。

Scribe的特点:

1. 支持 99 种语言
2. 提供词级时间戳
3. 支持说话人分离
4. 音频事件标记（如笑声、掌声）
5. 低词错误率（意大利语 98.7%，英语 96.7%）
6. 超越其他领先模型的基准测试表现
7. 特别关注服务不足的语言（如塞尔维亚语、广东话）

Scribe的功能:

1. 开发者通过 API 集成，构建语音转文本应用
2. 创作者和企业通过仪表板上传音频或视频文件生成转录
3. 会议记录和摘要
4. 电影字幕和歌词转录
5. 实时会议转录和语音笔记

相关导航

Vox Box开源项目 – 多功能语音转换服务器

Vox Box 是一个兼容 OpenAI API 的文本转语音和语音转文本服务器，支持 Whisper、FunASR、Bark 和 CosyVoice 等后端模型。它能够处理多种语言和应用场景，提供广泛的语音选项，满足多样化的语音合成需求，并能够无缝集成到现有的 AI 工作流程中。

ProtoReplicant开源项目 – 浏览器中的AI 3D化身语音接口

ProtoReplicant是一个在浏览器中实现的AI 3D化身语音接口，集成了语音活动检测、语音转文本、大语言模型、文本转语音和虚拟角色模型等技术，旨在提供一种互动性强的用户体验。

File Transcribe官网 – 精准高效的自动转录服务

File Transcribe 提供准确且高效的自动转录服务，结合 AI 技术，支持多种功能如说话者识别、字幕生成、摘要提取，并提供灵活的定价方案，适用于个人和企业用户。

AI Coffee Club官网 – 高效生成优质AI内容的平台

AI Coffee Club是一个专为用户设计的平台，帮助他们轻松快速地生成高质量的AI内容。用户可以在享受咖啡的同时，利用多种AI生成工具，如文本生成器、图像生成器、代码生成器、聊天机器人、语音转文本和配音，来提升工作效率。

Oliva Multi-Agent Assistant开源项目 – 开源语音RAG助手

Oliva 是一款开源语音 RAG 助手，能够通过自然语音实现对 Qdrant 向量数据库的实时搜索。它由 Deluxer 团队开发，集成了 Deepgram（语音转文本）和 LiveKit（实时语音通信），支持多智能体协作和语义搜索。Oliva 适用于知识库搜索、智能客服、语音驱动 AI 应用等场景，旨在提升 AI 交互的自然性和效率。