भाषण से पाठ

उत्कृष्ट सटीकता (≤ 5% शब्द त्रुटि दर - WER)
बुल्गारियन, कैटलन, चेक, डेनिश, डच, अंग्रेजी, फिनिश, फ्रेंच, गैलिशियन, जर्मन, ग्रीक, हिंदी, इंडोनेशियाई, इतालवी, जापानी, कन्नड़, मलय, मलयालम, मैसिडोनियन, नॉर्वेजियन, पोलिश, पुर्तगाली, रोमानियाई, रूसी, सर्बियाई, स्लोवाक, स्पेनिश, स्वीडिश, तुर्की, यूक्रेनी, वियतनामी

उच्च सटीकता (>5% से ≤10% WER)
बंगाली, बेलारूसी, बोस्नियाई, कैंटोनीज़, एस्टोनियन, फिलिपिनो, गुजराती, हंगेरियन, कज़ाख, लातवियाई, लिथुआनियाई, मंदारिन, मराठी, नेपाली, ओडिया, फारसी, स्लोवेनियाई, तमिल, तेलुगु

अच्छा (>10% से ≤25% WER)
अफ्रीकान्स, अरबी, अर्मेनियाई, असमिया, अस्तुरियन, अज़रबैजानी, बर्मी, सेबुआनो, क्रोएशियाई, जॉर्जियन, हौसा, हिब्रू, आइसलैंडिक, जावानीस, कबुवेर्दियानु, कोरियाई, किर्गिज़, लिंगाला, माल्टीज़, मंगोलियाई, माओरी, ऑक्सिटन, पंजाबी, सिंधी, स्वाहिली, ताजिक, थाई, उर्दू, उज़्बेक, वेल्श

मध्यम (>25% से ≤50% WER)
अम्हारिक, चिचेवा, फुलाह, गंडा, इग्बो, आयरिश, खमेर, कुर्दिश, लाओ, लक्ज़मबर्गिश, लुओ, उत्तरी सोथो, पश्तो, शोना, सोमाली, उम्बुंडु, वोलोफ, खोसा, ज़ुलु

स्पीच टू टेक्स्ट (STT) एक तकनीक है जो बोले गए भाषा को स्वचालित स्पीच रिकग्निशन (ASR) का उपयोग करके लिखित टेक्स्ट में बदलती है। यह ऑडियो सिग्नल्स को प्रोसेस करता है, स्पीच पैटर्न्स की पहचान करता है, और उन्हें उच्च सटीकता के साथ टेक्स्ट में ट्रांसक्राइब करता है। ElevenLabs का AI-संचालित स्पीच टू टेक्स्ट सॉफ़्टवेयर ऑडियो और वीडियो सामग्री को मानव जैसी सटीकता के साथ ट्रांसक्राइब करने के लिए डिज़ाइन किया गया है, जो वॉइस टू टेक्स्ट कन्वर्ज़न, ऑडियो ट्रांसक्रिप्शन और रियल-टाइम स्पीच रिकग्निशन के लिए आदर्श है। स्पीच टू टेक्स्ट तकनीक का उपयोग होता है: ✔ पॉडकास्ट, मीटिंग्स, और इंटरव्यू के लिए ऑडियो टू टेक्स्ट ट्रांसक्रिप्शन में। ✔ वीडियो सामग्री में कैप्शन और सबटाइटल्स में। ✔ हैंड्स-फ्री टाइपिंग और एक्सेसिबिलिटी टूल्स के लिए वॉइस टू टेक्स्ट सॉफ़्टवेयर में। ElevenLabs ASR कई भाषाओं और उच्चारणों के लिए तेज़, विश्वसनीय, और अत्यधिक सटीक स्पीच टू टेक्स्ट कन्वर्ज़न प्रदान करता है।

ElevenLabs वीडियो ट्रांसक्रिप्शन प्रदान करता है जो बोले गए संवाद को टेक्स्ट प्रारूप में बदलता है, जिससे सबटाइटल्स, कैप्शन और खोजने योग्य ट्रांसक्रिप्ट्स बनाना आसान हो जाता है। वीडियो को टेक्स्ट में ट्रांसक्राइब करने के चरण: 1. अपने वीडियो फ़ाइल को ElevenLabs ASR में अपलोड करें 2. स्पीच रिकग्निशन तकनीक ऑडियो को प्रोसेस करती है 3. एक ट्रांसक्रिप्ट स्वचालित रूप से जेनरेट होता है, टाइमस्टैम्प्स के साथ 4. टेक्स्ट फ़ाइल डाउनलोड करें या संपादन के लिए सबटाइटल्स एक्सपोर्ट करें। यह AI-संचालित वीडियो ट्रांसक्रिप्शन मॉडल सामग्री निर्माताओं, व्यवसायों, और शिक्षकों को वीडियो स्पीच को सटीक टेक्स्ट में जल्दी से बदलने में मदद करता है, एक्सेसिबिलिटी और सामग्री पुनः उपयोग के लिए।

Scribe वर्तमान में उन उपयोग मामलों के लिए अच्छी तरह से काम करता है जहां इनपुट ऑडियो पहले से उपलब्ध है। एक कम विलंबता, रियल-टाइम संस्करण जल्द ही जारी किया जाएगा।

ट्रांसक्राइब किए गए ऑडियो के प्रति घंटे $0.40 से शुरू, एंटरप्राइज योजनाओं के साथ बड़े पैमाने पर इससे भी कम।