ElevenLabs dévoile Scribe v3 pour l’audio préenregistré et Scribe v3 Live pour le temps réel. Les tests d’un tiers créditent une très haute précision, mais soulignent un retard de vitesse et un coût plus élevé que certaines offres. La version Live exploite le contexte pour éviter que les agents vocaux n’interrompent les appelants. Des partenariats avec Nvidia et McKinsey accompagnent ce déploiement orienté entreprise.
Des accords avec Nvidia et McKinsey accompagnent le déploiement
ElevenLabs élargit ses partenariats d’entreprise. Avec Nvidia, l’entreprise intègre le modèle ouvert Nemotron 3.5 Super VL dans ElevenAgents, sécurise une capacité de calcul supplémentaire fonctionnant sur Nvidia, développe un contrôle vocal local pour des robots et gère un agent téléphonique pour le système de santé public de Pologne. ElevenLabs annonce aussi une alliance avec McKinsey et un programme de partenariat étendu pour les intégrateurs de systèmes. L’entreprise ouvre en parallèle un marché où des sociétés comme Salesforce, IBM et Zendesk proposent des agents vocaux prêts à l’emploi.
Précision élevée confirmée mais vitesse et coût moins favorables
Un benchmark indépendant crédite Scribe v3 d’une précision parmi les meilleures, surpassant Microsoft, Mistral, xAI, Google et OpenAI, et n’étant devancé que par un modèle préliminaire d’Alibaba. Le même test indique cependant un retard en vitesse et un prix de référence de 3,33 $ pour 1 000 minutes. Selon ces mesures, les modèles de Microsoft et xAI sont plusieurs fois plus rapides, avec des taux d’erreur légèrement supérieurs, et coûtent environ la moitié. Ce benchmark évalue uniquement les erreurs de mots sur des fichiers enregistrés et ne couvre pas la diarisation, les langues rares ni le comportement en temps réel de Scribe v3 Live.
L’IA créative vous passionne ?
Image, vidéo, son, design génératif : le meilleur chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Le temps réel vise à éviter les coupures dans les agents vocaux
Scribe v3 Live cible un problème fréquent des agents vocaux fondés sur des minuteries de pause rigides, qui interrompent les interlocuteurs lors de brefs silences. Le modèle analyse le contexte conversationnel, en complément du signal audio, afin de déterminer si un locuteur a réellement terminé, ce qui vise à empêcher les coupures en plein milieu d’une phrase.
Des outils de contrôle pour les développeurs et des garanties de données
Les développeurs ont la possibilité de charger à l’avance plusieurs milliers de termes propres à un domaine afin de limiter les erreurs de vocabulaire, et peuvent également spécifier des règles de présentation pour les nombres et les dates formulés en langage naturel. Un mode multilingue permet de traiter les alternances de langues à l’intérieur d’une seule phrase. Pour les entreprises, ElevenLabs met à disposition des serveurs dédiés situés dans l’Union européenne ainsi qu’une option de zéro rétention qui efface les données dès la fin de chaque requête.
Deux modèles, deux usages, disponibles via ElevenAPI et ElevenAgents
Scribe v3 et Scribe v3 Live visent des conditions d’écoute difficiles, en fichiers préenregistrés et en flux temps réel. Les deux sont accessibles via ElevenAPI et la plateforme ElevenAgents. Scribe v3 s’adresse aux contenus préenregistrés et, selon ElevenLabs, réduit d’environ 25 % les erreurs de mots par rapport à son prédécesseur sur 102 langues, avec une amélioration marquée revendiquée en allemand. La diarisation des locuteurs s’améliore pour les grands groupes et, pour la première fois chez ElevenLabs, Scribe v3 Live la propose en temps réel.
