SPEECH TO TEXT（音声テキスト変換）

優れた精度 (≤ 5% 誤り率 - WER)
ブルガリア語、カタロニア語、チェコ語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、ガリシア語、ドイツ語、ギリシャ語、ヒンディー語、インドネシア語、イタリア語、日本語、カンナダ語、マレー語、マラヤーラム語、マケドニア語、ノルウェー語、ポーランド語、ポルトガル語、ルーマニア語、ロシア語、セルビア語、スロバキア語、スペイン語、スウェーデン語、トルコ語、ウクライナ語、ベトナム語

高精度 (>5% to ≤10% WER)
ベンガル語、ベラルーシ語、ボスニア語、広東語、エストニア語、フィリピン語、グジャラート語、ハンガリー語、カザフ語、ラトビア語、リトアニア語、標準中国語、マラーティー語、ネパール語、オディア語、ペルシャ語、スロベニア語、タミル語、テルグ語

良好 (>10% to ≤25% WER)
アフリカーンス語、アラビア語、アルメニア語、アッサム語、アストゥリアス語、アゼルバイジャン語、ビルマ語、セブアノ語、クロアチア語、ジョージア語、ハウサ語、ヘブライ語、アイスランド語、ジャワ語、カーボベルデ語、韓国語、キルギス語、リンガラ語、マルタ語、モンゴル語、マオリ語、オック語、パンジャブ語、シンド語、スワヒリ語、タジク語、タイ語、ウルドゥー語、ウズベク語、ウェールズ語

中程度 (>25% to ≤50% WER)
アムハラ語、チェワ語、フラ語、ガンダ語、イボ語、アイルランド語、クメール語、クルド語、ラオ語、ルクセンブルク語、ルオ語、北ソト語、パシュトー語、ショナ語、ソマリ語、ウンブンドゥ語、ウォロフ語、コーサ語、ズールー語

スピーチ to テキスト (STT) は、音声認識 (ASR) を使用して話された言語をテキストに変換する技術です。音声信号を処理し、音声パターンを識別して高精度でテキストに書き起こします。 ElevenLabsのAIを活用したスピーチ to テキストソフトウェアは、人間のような精度で音声やビデオコンテンツを文字起こしするよう設計されており、音声 to テキスト変換、音声書き起こし、リアルタイム音声認識に最適です。 スピーチ to テキスト技術は以下で使用されます： ✔ ポッドキャスト、会議、インタビューの音声 to テキスト書き起こし。 ✔ ビデオコンテンツのキャプションと字幕。 ✔ ハンズフリー入力やアクセシビリティツールのための音声 to テキストソフトウェア。 ElevenLabsのASRは、多言語とアクセントに対応した迅速で信頼性が高く、非常に正確なスピーチ to テキスト変換を提供します。

ElevenLabsは、ビデオの音声をテキスト形式に変換するビデオ書き起こしを提供しており、字幕やキャプション、検索可能なトランスクリプトの作成を容易にします。 ビデオをテキストに書き起こす手順： 1. ビデオファイルをElevenLabs ASRにアップロード 2. 音声認識技術が音声を処理 3. タイムスタンプ付きのトランスクリプトが自動生成 4. テキストファイルをダウンロードまたは字幕をエクスポートして編集 このAIを活用したビデオ書き起こしモデルは、コンテンツクリエイター、企業、教育者がビデオ音声を迅速に正確なテキストに変換し、アクセシビリティやコンテンツの再利用を支援します。

Scribeは現在、入力音声が事前に利用可能なユースケースでうまく機能します。低遅延のリアルタイムバージョンは近日中にリリース予定です。

書き起こし音声1時間あたり$0.40から、エンタープライズプランではさらに低価格で提供。