Zum Hauptinhalt springen

ElevenLabsAudiomodellAktiv

Scribe v2

BeliebtheitPlatz 283 von 876

39von 100wie im Vormonat

Zusammenfassung

Scribe v2 ist ElevenLabs’ Modell für asynchrone Spracherkennung. Es verarbeitet Aufnahmen in mehr als 90 Sprachen und liefert Wortzeitstempel, Sprechertrennung für bis zu 32 Personen sowie Entitätenerkennung. Keyterm-Prompts nehmen bis zu 1.000 Namen oder Fachbegriffe auf und ergänzen damit die Transkription um ein kontrolliertes Vokabular.

Scribe v2 liefert neben dem Rohtext Zeitstempel, Sprecherlabels, Audio-Tags und nachträgliche Transkriptbearbeitung. Das Modell verarbeitet fertige oder hochgeladene Audiodateien; für einen laufenden Audiostream ist Scribe v2 Realtime der getrennte Endpunkt.

GraduallyBench Audio

Spracherkennung automatisch verglichen.

Der Pilot nutzt dieselben 32 gelesenen Sprachaufnahmen auf Deutsch und Englisch sowie vier Clips mit digitaler Stille. Der Vergleich verwendet Quelltranskripte ohne menschliche Gegenprüfung. Jede Sprache enthält vier Sprechende. Spontane Sprache und Störgeräusche deckt diese Kohorte nicht ab.

Die Wortfehlerrate (WER) zählt ersetzte, ausgelassene und eingefügte Wörter im Verhältnis zu den Referenzwörtern. Die Zeichenfehlerrate (CER) vergleicht Zeichen. Kleinere Werte bedeuten weniger Abweichungen vom Referenztext. WER kann über 100 % liegen. Unter jedem Wert stehen Fehler / Referenzeinheiten. Stille wird getrennt ausgewertet.

Protokoll audio-stt-read-speech-automated-v1. Die tatsächliche Anbieterabrechnung ist unbekannt.

Scribe v2

fal.ai · fal-ai/elevenlabs/speech-to-text/scribe-v2 · Getestet 05.11.2026

Erfolgreiche Anfragen 36 / 36. Die angefragte Route bestätigt keine genaue Backendversion.

Transkription gelesener Sprache
SpracheErfolgreiche AntwortenWERCERWER, Sprechermittel
Deutsch16 / 163,64 %20 / 5500,98 %32 / 32623,27 %n = 4 / 4
Englisch16 / 161,63 %8 / 4900,62 %16 / 25801,68 %n = 4 / 4
Digitale Stille
SpracheinstellungClips mit erfundener SpracheErfundene Wörter
DE0 / 20
EN0 / 20

Anfragedauer, Median / p95 2.745 / 6.215 ms (n = 36). Inklusive Netzweg und Client-Verarbeitung.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 84 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 7

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

Artificial Analysis AA-WER (non-streaming) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2.2
Bewertung
2.2
Messgröße
word error rate (WER)
Einheit
%
Benchmark-Version
AA-WER v2.2
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
Artificial Analysis
Status
active
Abrufdatum
2026-10-15
Methodik
Unabhängige Evaluation. Artificial Analysis hat den genannten API-Endpunkt direkt getestet; Nach Audiodauer gewichtete WER über AA-AgentTalk (50 %), VoxPopuli-Cleaned-AA English (25 %) und Earnings22-Cleaned-AA (25 %), insgesamt etwa acht Stunden. Aktuelle Normalisierung AA-WER v2.2.
Quelle Artificial Analysis
ElevenLabs MedDictate overall WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
7.6
Bewertung
7.6
Messgröße
overall WER
Einheit
%
Benchmark-Version
Corti MedDictate; evaluator edition not stated
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
40
Quellentyp
vendor-reported
Auswertung
ElevenLabs model evaluation
Status
active
Abrufdatum
2026-10-15
Methodik
Vom Anbieter veröffentlichter Wert. Herstellerevaluierung mit Corti MedDictate: klinisches Diktat auf Englisch, Französisch und Deutsch. Der öffentliche Testsatz umfasst 40 Clips (24 EN, 7 FR, 9 DE); Details zur Gesamtaggregation sind nicht angegeben.
Quelle ElevenLabs model evaluation
ElevenLabs MedTerm medical-term recall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
77.1
Bewertung
77.1
Messgröße
recall of annotated medical terms
Einheit
%
Benchmark-Version
Corti MedTerm (600 samples)
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
ElevenLabs model evaluation
Status
active
Abrufdatum
2026-10-15
Methodik
Vom Anbieter veröffentlichter Wert. Herstellerevaluierung mit Corti MedTerm, einem öffentlichen Benchmark für klinische Terminologie mit 600 Stichproben; Term-WER bewertet ausschließlich annotierte medizinische Begriffe.
Quelle ElevenLabs model evaluation
ElevenLabs MedTerm medical-term WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
10.7
Bewertung
10.7
Messgröße
term-WER
Einheit
%
Benchmark-Version
Corti MedTerm (600 samples)
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
ElevenLabs model evaluation
Status
active
Abrufdatum
2026-10-15
Methodik
Vom Anbieter veröffentlichter Wert. Herstellerevaluierung mit Corti MedTerm, einem öffentlichen Benchmark für klinische Terminologie mit 600 Stichproben; Term-WER bewertet ausschließlich annotierte medizinische Begriffe.
Quelle ElevenLabs model evaluation
ElevenLabs Eka Medical ASR semantic WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
7.35
Bewertung
7.35
Messgröße
semantic WER
Einheit
%
Benchmark-Version
Eka Medical ASR; evaluator edition not stated
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
3619
Quellentyp
vendor-reported
Auswertung
ElevenLabs model evaluation
Status
active
Abrufdatum
2026-10-15
Methodik
Vom Anbieter veröffentlichter Wert. Herstellerevaluierung mit dem öffentlichen Eka Medical ASR, 3.619 englischen klinischen Audio-Stichproben; Semantische WER behandelt bedeutungsgleiche Formatierungen als gleichwertig.
Quelle ElevenLabs model evaluation
ElevenLabs Eka Medical ASR keyword WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
7.04
Bewertung
7.04
Messgröße
keyword WER
Einheit
%
Benchmark-Version
Eka Medical ASR; evaluator edition not stated
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
3619
Quellentyp
vendor-reported
Auswertung
ElevenLabs model evaluation
Status
active
Abrufdatum
2026-10-15
Methodik
Vom Anbieter veröffentlichter Wert. Herstellerevaluierung mit dem öffentlichen Eka Medical ASR, 3.619 englischen klinischen Audio-Stichproben; Keyword-WER bewertet ausschließlich annotierte medizinische Schlüsselwörter.
Quelle ElevenLabs model evaluation
Appen MedTerm-90 overall clinical entity recall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
83.35
Bewertung
83.35
Messgröße
Recall of clinician-validated medical entities
Einheit
%
Benchmark-Version
MedTerm-90, September 2026 model versions
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
30017
Untere Konfidenzgrenze
82.6
Obere Konfidenzgrenze
84.09
Quellentyp
independent-evaluator
Auswertung
Appen MedTerm-90
Status
active
Abrufdatum
2026-10-16
Methodik
Unabhängige Evaluation. Appen berichtet das Ergebnis von ElevenLabs Scribe v2 auf September-2026-Modellversionen und 1.413 realen ärztlichen Diktaten mit 90,5 Stunden und 14 Fachgebieten. Der Recall bezieht sich auf 30.017 klinisch validierte Entitäten. Diese Entitätenzahl ist der ausgewiesene Stichprobenumfang, nicht die Zahl der Aufnahmen. Für alle Modelle galten dieselben Dateien, Entitäten, Schwellenwerte und Prüfer, ohne Vokabelhinweise. Appen nennt ein Bootstrap-95-%-Intervall.
Einordnung
Dies ist der Recall klinischer Entitäten, kein WER und kein allgemeiner Transkriptionswert. Die Ergebnisse beziehen sich auf Modellversionen vom September 2026 und auf Diktate mit einem Sprecher nahe am Mikrofon. Appen weist darauf hin, dass diese Bedingungen die Modelle begünstigen und nicht auf anderes Audio übertragbar sein müssen. Die Berichtsseite zeigt nur den Gesamtwert, nicht die angekündigte Aufschlüsselung nach Fachgebieten.
Quelle Appen MedTerm-90
Superwhisper speech benchmark macro word error rate (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
7.5
Bewertung
7.5
Messgröße
macro word error rate (WER) over eight speech datasets
Einheit
%
Benchmark-Version
Superwhisper speech benchmark, model runs 20260731-174525 / 20260811 dataset runs; page captured 2026-10-17
Kategorie
speech-to-text / batch transcription
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
Superwhisper speech benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Exaktes Produkt ElevenLabs Scribe v2 (hosted batch API); gehostete Batch-Spracherkennung; der Evaluator verwendet dieselben Audiodaten und Rechner wie bei den übrigen Modellzeilen; der Messwert ist der Makro-Mittelwert der Wortfehlerrate über 8 benannte Datensätze. Es wird keine medizinische oder Echtzeitroute unterstellt.
Einordnung
Die Seite veröffentlicht den Aggregatwert und die Zahl von acht Datensätzen, aber keinen Clip-Nenner, keine Gewichtung je Datensatz, kein Konfidenzintervall und keine unveränderliche Serving-Revision. Veröffentlichte Laufkennungen bleiben erhalten. Dieser Batch/API-Wert ist getrennt von Realtime- und Medizinvarianten.
Quelle Superwhisper speech benchmark
Ocular Converse-STT Version 2 pooled WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
1.22
Bewertung
1.22
Messgröße
pooled word error rate across the eight speaker tracks
Einheit
%
Benchmark-Version
Converse-STT Version 2; report dated 2026-10-13
Kategorie
speech-to-text
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
Ocular AI Converse-STT Version 2
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Oculars Routentabelle identifiziert Scribe v2 exakt als ElevenLabs-OpenRouter-Route elevenlabs/scribe-v2 mit MP3-Eingabe und ohne zusätzliche Parameter. Die Aufgabe ist die stapelweise Einzelkanal- und Einzelsprecher-Transkription vollständiger 15-Minuten-Tracks, ohne Mischung, Diarisierung oder Echtzeitanforderung. Das Ergebnis summiert die Editierfehler über vier amerikanisch-englische Zweipersonengespräche, acht Sprechertracks und 12.555 Referenzwörter. Verwendet wurde Whispers englische Normalisierung whisper-normalizer 0.1.12.
Einordnung
Dies ist eine kleine feste öffentliche Stichprobe, keine Schätzung für die Grundgesamtheit. Die 12.555 Referenzwörter werden nicht als Stichprobengröße eingetragen. Die API-Serving-Revision ist nicht festgeschrieben.
Quelle Ocular AI Converse-STT Version 2
Omi PriMock57 mean per-file WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
9.720442500254512
Bewertung
9.720442500254512
Messgröße
Arithmetic mean of per-file word error rates
Einheit
%
Benchmark-Version
Omi Health PriMock57, pinned commit c0e6c11528ec150f5ff98627f8e86c2d6e731c33, README updated 2026-04-29
Kategorie
speech-to-text
Richtung
Weniger ist besser
Stichprobe
55
Quellentyp
independent-evaluator
Auswertung
Omi Health medical-STT-eval
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. model_name lautet elevenlabs-scribe_v2; 55 PriMock57-Dateien und 80.709 Referenzwörter. Eigener Whisper-basierter EnglishTextNormalizer mit oh-fix und post-word-map. Dies ist die mittlere WER je Datei und keine gepoolte Korpus-WER.
Einordnung
Omi bezeichnet den getesteten Endpunkt als elevenlabs-scribe_v2, die Standard-API von Scribe v2, nicht als separates Modell scribe_v2_medical. Das Repository ist gepinnt, die API-Serving-Revision nicht. Ein Konfidenzintervall fehlt. PriMock57 enthält medizinische Dialoge und ist kein allgemeines Korpus.
Quelle Omi Health medical-STT-eval
Omi PriMock57 global medical M-WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2.5397
Bewertung
2.5397
Messgröße
Canonical Medical WER v2 over medical reference tokens
Einheit
%
Benchmark-Version
Omi Health PriMock57, pinned commit c0e6c11528ec150f5ff98627f8e86c2d6e731c33, README updated 2026-04-29
Kategorie
speech-to-text
Richtung
Weniger ist besser
Stichprobe
55
Quellentyp
independent-evaluator
Auswertung
Omi Health medical-STT-eval
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Standardmodell elevenlabs-scribe_v2, nicht der Medizin-Endpunkt; 55 Dateien und 3.150 medizinische Referenz-Tokens. Canonical M-WER v2 nutzt eng begrenzte geprüfte Referenzkorrekturen und Morphologie, wertet klinische Verwechslungen aber als Fehler.
Einordnung
Omi bezeichnet den getesteten Endpunkt als elevenlabs-scribe_v2, die Standard-API von Scribe v2, nicht als separates Modell scribe_v2_medical. Das Repository ist gepinnt, die API-Serving-Revision nicht. Ein Konfidenzintervall fehlt. PriMock57 enthält medizinische Dialoge und ist kein allgemeines Korpus.
Quelle Omi Health medical-STT-eval
Omi PriMock57 global drug M-WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2.7897
Bewertung
2.7897
Messgröße
Canonical Medical WER v2 on drug reference tokens
Einheit
%
Benchmark-Version
Omi Health PriMock57, pinned commit c0e6c11528ec150f5ff98627f8e86c2d6e731c33, README updated 2026-04-29
Kategorie
speech-to-text
Richtung
Weniger ist besser
Stichprobe
55
Quellentyp
independent-evaluator
Auswertung
Omi Health medical-STT-eval
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Standardmodell elevenlabs-scribe_v2; 55 Dateien und 466 Medikamenten-Referenz-Tokens. Canonical M-WER v2 wertet wichtige Medikamentenverwechslungen als Fehler.
Einordnung
Omi bezeichnet den getesteten Endpunkt als elevenlabs-scribe_v2, die Standard-API von Scribe v2, nicht als separates Modell scribe_v2_medical. Das Repository ist gepinnt, die API-Serving-Revision nicht. Ein Konfidenzintervall fehlt. PriMock57 enthält medizinische Dialoge und ist kein allgemeines Korpus.
Quelle Omi Health medical-STT-eval

Seite 1 von 7

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

0 bis 100, höher ist beliebter

20 von 83 Modellen

pyannote Community-173
Nemotron-3-Diarization57
Gemini 3.5 Transcribe52
Confucius4-R2T252
NVIDIA Nemotron 3.5 Transcribe52
Granite Speech 5.0 470M TurboCTC52
Kokoro-82M51
Nova-351
Fish Audio S2 Pro51
Granite Speech 5.0 470M TurboCTC NC50
Orukeet49
Lyria 3.547
Gemini 3.5 Live Translate46
Phonon-244
Aura-244
Gemini 3.1 Flash TTS44
MiniMax-Music341
Audio8-ASR-Infinite41
GPT-Realtime 2.141
Scribe v239

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 6. November 2026

Scribe v2Maya 2 Native 40Eleven v3 39GPT-Live-Transcribe 39Sonic 3.6 39

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Scribe v2 im Vergleich

Ähnliche Modelle

Weitere Modelle derselben Art wie Scribe v2, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.

Alle technischen Daten

Architektur

Modellklasse
Spracherkennung
Quelle: Modellklasse

Ein- und Ausgabe

Eingabe
Audio
Quelle: Eingabe
Ausgabe
Text
Quelle: Ausgabe

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
API
Quelle: Zugang

API

API-Modellkennung
scribe_v2
Quelle: API-Modellkennung

Weitere Angaben

Aufgabe
Transkription
Quelle: Aufgabe
Unterstützte Details
Asynchrone Transkription
Quelle: Unterstützte Details
Transkription
Über 90 Sprachen, Wortzeitstempel und bis zu 32 Sprecher
Quelle: Transkription
Schlüsselbegriffe
Bis zu 1.000 Begriffe als Keyterm-Prompt
Quelle: Schlüsselbegriffe
Entitäten
65 Entitätstypen
Quelle: Entitäten

Quellen und Datenstand

Alle 41 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

AuswerterTestreihenGesamtindizesErfasste aktive Messwerte
Artificial Analysis001

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.

ArtNachweis und Datenstand
RecherchestandRecherchestand 15. Oktober 2026. 36 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

clip-level-denominator-and-serving-revision

Hinweis

Clip-Nenner und unveränderliche Serving-Revision sind nicht veröffentlicht.

Nicht veröffentlicht

independent-conversation-sample-and-serving-revision

Hinweis

Nur vier Gespräche sind ausgewertet; eine populationsrepräsentative Stichprobe und eine unveränderliche Serving-Revision fehlen.

Weitere QuelleElevenLabs model documentation (abgerufen 24. September 2026; 15. Oktober 2026; 17. Oktober 2026) · ElevenLabs Models documentation · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere QuelleArtificial Analysis (abgerufen 15. Oktober 2026)
Weitere QuelleElevenLabs model evaluation (abgerufen 15. Oktober 2026; 17. Oktober 2026; 18. Oktober 2026)
Weitere QuelleAppen MedTerm-90 (abgerufen 16. Oktober 2026)
Weitere QuelleSuperwhisper speech benchmark (abgerufen 17. Oktober 2026)
Weitere QuelleOcular AI Converse-STT Version 2 (abgerufen 17. Oktober 2026; 22. Oktober 2026)
Weitere QuelleOmi Health medical-STT-eval (abgerufen 17. Oktober 2026)123
Weitere QuelleSierra μ-bench (abgerufen 17. Oktober 2026)
Weitere QuelleSierra Research, mu-bench (abgerufen 17. Oktober 2026)
Weitere QuelleBenchmarking Commercial ASR Systems on Code-Switching Speech (abgerufen 17. Oktober 2026)
Weitere QuelleOmi Health Medical Speech-to-Text Benchmark (abgerufen 17. Oktober 2026; 18. Oktober 2026)
Weitere QuelleAssemblyAI speech benchmark (abgerufen 18. Oktober 2026)
Weitere QuelleNyra Verbatim Speech Benchmark (abgerufen 18. Oktober 2026)
Weitere QuelleDeepgram Nova-3 Medical Multilingual article (abgerufen 18. Oktober 2026)
Weitere QuelleOpenbenchmarks (abgerufen 21. Oktober 2026)
Weitere QuelleFA-Bench (Olewave) (abgerufen 22. Oktober 2026)
Weitere QuelleHugging Face Open ASR Leaderboard (abgerufen 28. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 15. Oktober 2026)12345
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026)123456789
Weitere QuelleModellmetadaten (abgerufen 28. Oktober 2026)12
Weitere QuelleOpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleVercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleOllama: kumulierte Downloads für den Beliebtheitsindex
Weitere QuelleReplicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere QuelleGoogle Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere QuelleCreative Commons Attribution 4.0