Кратко / Главное
- Scribe v2 — это модель пакетной транскрипции ElevenLabs; Scribe v2 Realtime обрабатывает живое аудио примерно за 150 мс.
- Цена API: $0.22 за час аудио для Scribe v2, $0.39 для Realtime, на любом тарифе.
- Функции: 90+ языков, метки для 32 спикеров, временные метки слов, подсказки по ключевым словам, теги аудиособытий.
- Файлы до 3 ГБ и 10 часов; поддерживаются MP3, WAV, M4A, MP4, MOV и многие другие форматы.
- В веб-приложении транскрипция расходует 330 кредитов в минуту из вашего тарифного плана.
Краткий ответ: ElevenLabs преобразует аудио и видео в текст с помощью своих моделей Scribe. Scribe v2 обрабатывает загруженные файлы, включая MP3, на более чем 90 языках, распознает до 32 спикеров и добавляет временные метки для каждого слова. Через API стоимость составляет $0.22 за час аудио ($0.39 для Scribe v2 Realtime), а в веб-приложении расходуется 330 кредитов в минуту из вашего тарифного плана. Файлы могут быть размером до 3 ГБ и длительностью до 10 часов.
Как мы проверяли: функции, лимиты и цены взяты со страницы ElevenLabs speech to text, страницы API pricing и документации по speech to text, проверенных на elevenlabs.io 1 ноября 2026 года. Мы не проводили собственное тестирование точности. Некоторые ссылки являются партнерскими: если вы зарегистрируетесь, ElevenLabs может выплатить нам комиссию без каких-либо затрат для вас.
Модели Scribe
| Model | Use | API price per audio hour | Notes |
|---|---|---|---|
| Scribe v2 | Batch transcription of files | $0.22 | 90+ languages, diarization, timestamps, keyterms, entity detection |
| Scribe v2 Realtime | Live audio, agents, meetings | $0.39 | About 150ms latency, word-level timestamps, voice activity detection |
| Scribe v2 Medical | Clinical audio | $0.22 | HIPAA-eligible with BAAs and Zero Retention Mode |
Дополнения также оплачиваются за час: использование ключевых слов (keyterm prompting) стоит $0.05 в час для Scribe v2 и $0.08 для Realtime, а редактирование транскрипции с помощью инструкций на естественном языке стоит $0.07 и $0.12 соответственно. Тишина учитывается в оплачиваемом времени, поэтому удаление длинных пауз перед загрузкой поможет сэкономить.
Важное уточнение: FAQ на странице ElevenLabs speech-to-text все еще указывает, что Scribe стоит «от $0.40 в час», в то время как таблица цен API и соответствующий FAQ указывают $0.22. Мы используем данные из таблицы цен; проверяйте актуальную страницу перед планированием бюджета для крупного проекта.
Возможности Scribe v2
- Более 90 языков с интеллектуальным определением языка.
- Диаризация спикеров для группы до 32 человек, благодаря чему интервью и встречи будут размечены по участникам.
- Временные метки для каждого слова для создания титров и субтитров.
- Использование ключевых слов (keyterm prompting) до 1000 слов или фраз, что полезно для имен, названий продуктов и профессионального жаргона.
- Динамическая аудио-маркировка неречевых событий, таких как смех или шаги.
- Обнаружение и скрытие сущностей (конфиденциальной информации) через API.
- Многоканальный режим до 5 каналов, каждому из которых назначается свой спикер.
- Webhooks для асинхронной обработки длинных файлов.
Как превратить MP3 или видео в текст
- В приложении: войдите в ElevenLabs, откройте Transcription (speech to text), загрузите ваш файл MP3, WAV, MP4 или другой, выберите язык или оставьте автоопределение, а затем скачайте транскрипцию или экспортируйте субтитры.
- Через API: создайте API ключ, затем отправьте файл в эндпоинт Speech to Text, установив
model_idнаscribe_v2. Ответ будет содержать текст, определенный язык, слова с временными метками и ID спикера для каждого слова.
Поддерживаемые аудиоформаты: AAC, AIFF, OGG, MP3, OPUS, WAV, FLAC, M4A и WebM. Видеоформаты: MP4, AVI, MKV, MOV, WMV, FLV, WebM, MPEG и 3GPP.
Лимиты
| Limit | Value |
|---|---|
| Max file size | 3GB |
| Max duration (standard mode) | 10 hours |
| Speakers labelled | Up to 32 |
| Multichannel | Up to 5 channels |
| Keyterms | Up to 1,000 |
| Concurrent transcriptions | 8 Free, 12 Starter, 20 Creator, 40 Pro, 60 Scale and Business |
Что включено в каждый тарифный план по транскрипции
| Plan | Price | In the app (330 credits a minute) | Through the API (Scribe v2) |
|---|---|---|---|
| Free | $0 | 12 minutes (as listed) | about 4.5 hours |
| Starter | $6 | about 1 hour 31 minutes | 27 hours |
| Creator | $22 | about 6 hours 7 minutes | 100 hours |
| Pro | $99 | about 30 hours 18 minutes | 450 hours |
| Scale | $299 | about 90 hours | 1,359 hours |
| Business | $990 | about 303 hours | 4,500 hours |
Разница между двумя колонками существенна: API оценивает транскрипцию в $0.22 за час, в то время как приложение расходует те же кредиты, что и для генерации речи. Если вы транскрибируете много, использование API (или инструмента, построенного на нем) дает гораздо больше часов на доллар. В приложении кредиты также покрывают озвучку текста (text to speech), поэтому интенсивная транскрипция оставляет меньше ресурсов для озвучивания.
Точность: что говорят ElevenLabs и другие
ElevenLabs заявляет о точности транскрипции более 98% для Scribe v2 и публикует графики, сравнивающие её с моделями OpenAI, Google и Deepgram. Компания также публикует ожидаемые уровни ошибок распознавания слов (WER) по языкам: от 5% или ниже для топовых языков до 20–50% для менее поддерживаемых. Независимые эксперты более осторожны: DiscoverAI утверждает, что точность зависит от качества записи, фонового шума и терминологии, и рекомендует проводить тестирование на собственных аудиозаписях. Telenow отмечает, что Scribe работает только в облаке и не имеет опций для локального размещения (self-hosted) или работы в изолированной сети (air-gapped).
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Кому это подходит
- Подкастерам и создателям видео, которым нужны субтитры и транскрипты в том же инструменте, где они делают озвучку.
- Разработчикам, создающим голосовых агентов или инструменты для совещаний, требующие транскрипции в реальном времени.
- Командам, работающим с транскрипцией на многих языках или с медицинскими аудиозаписями с использованием модели Medical и наличием BAA.
Если ваша основная задача — редактировать запись через редактирование её транскрипта, то Descript создан именно для этого рабочего процесса. Для всего остального стоит попробовать Scribe на бесплатном тарифе, прежде чем принимать решение.
Часто задаваемые вопросы
Может ли ElevenLabs конвертировать MP3 в текст?
Да. Scribe принимает MP3, а также аудиоформаты AAC, AIFF, OGG, OPUS, WAV, FLAC, M4A и WebM, а также видеофайлы MP4, MOV, MKV, AVI и другие. Загрузите файл в веб-приложении или отправьте его через Speech to Text API.
Сколько стоит ElevenLabs speech to text?
Через API стоимость Scribe v2 составляет $0.22 за час аудио, а Scribe v2 Realtime — $0.39. Использование ключевых слов (keyterm prompting) добавляет $0.05 в час ($0.08 для Realtime). В приложении транскрипция расходует 330 кредитов в минуту из вашего тарифного плана.
Бесплатен ли ElevenLabs speech to text?
Бесплатный тариф включает ограниченный объем транскрипции: на странице speech-to-text указано 12 минут в месяц в приложении, а на странице цен API — около 4.5 часов использования Scribe v2 для бесплатного доступа к API. Результаты, полученные на бесплатном тарифе, нельзя использовать в коммерческих целях.
Распознает ли ElevenLabs Scribe разных спикеров?
Да. Scribe v2 распознает до 32 спикеров (диаризация) и возвращает временные метки для каждого слова. Многоканальный режим также позволяет назначать спикеров по аудиоканалам (до 5 каналов).
Сколько языков поддерживает ElevenLabs Scribe?
ElevenLabs заявляет о поддержке более 90 языков, сгруппированных по ожидаемому уровню ошибок. Английский, испанский, французский, немецкий, японский, итальянский и португальский входят в число языков лучшего уровня (уровень ошибок 5% или ниже).
Какой максимальный размер файла для транскрипции в ElevenLabs?
Согласно документации ElevenLabs, до 3 ГБ на файл и до 10 часов аудио в стандартном режиме.