ASR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。

PengChengStarling是基于icefall项目的多语言语音识别（ASR）模型，旨在一站式解决多语言语音识别难题。该项目支持多种语言，提供从数据处理到模型部署的完整流程，模型体积小且推理速度快，适用于多种应用场景。