隆重推出 ElevenLabs Scribe：業界最佳 AI 轉錄模型

我們非常興奮地宣布，SRTGen AI 字幕生成器進行了一次重大升級。今天，我們正式將 ElevenLabs Scribe v2 整合到我們的平台，讓您能夠使用世界上最準確、最抗噪音且最精確的語音轉文字 (STT) 模型之一。

隨著這次更新，我們還在您的字幕創建設定中引入了多層模型結構。我們原有的轉錄模型保持不變，現在被指定為基本層級（Basic Tier），而新的 ElevenLabs Scribe 引擎則作為我們的高級專業層級（Pro Tier）推出。

了解新的模型層級

為了讓您在速度、準確性和點數費用方面擁有最大的靈活性，您現在可以在轉錄媒體時選擇兩種不同的模型層級：

基本層級（Basic Tier）（AssemblyAI Universal-2）：這是我們原有且高度可靠的轉錄引擎。它針對標準速度和一般內容進行了優化。如果您的音頻清晰，並且是英語或常見歐洲語言，基本層級是您以標準點數費率獲取快速、準確字幕的理想選擇。
專業層級（Pro Tier）（ElevenLabs Scribe v2）：這是我們全新、高級的轉錄引擎。由 ElevenLabs Scribe 提供技術支援，專業層級專為高級在地化項目、嘈雜的影片日誌（vlog）、口音濃重的訪談以及非拉丁文字而設計，在這些情況下，毫秒級時間同步和高準確性是不可或缺的。

什麼是 ElevenLabs Scribe？

ElevenLabs Scribe 是一種尖端的語音轉文字模型，旨在提供類似人類的語音識別精確度。Scribe v2 經過數百萬小時的高品質多語言語音數據訓練，擅長轉錄標準轉錄工具難以處理的複雜聲學細節。

藉由將此模型作為我們的專業層級引入 SRTGen，我們正在為專業創作者、電影製作人及 UGC 編輯提供當今市場上最高級別的準確性。

為何 ElevenLabs Scribe（專業層級）更勝一籌

以下是 Pro Scribe v2 模型成為您下一個字幕項目最佳選擇的關鍵原因：

1. 無與倫比的非拉丁語言精準度

標準的 ASR 模型通常主要針對西方、拉丁文字的音頻進行訓練，導致在其他地區的詞語錯誤率較高。Scribe 從零開始設計，旨在實現全球覆蓋，為非拉丁文字提供卓越的準確性，包括：

亞洲語言：中文（普通話/粵語）、日語、韓語、印地語、泰語、越南語等等。
中東語言：阿拉伯語、希伯來語、波斯語等等。

如果您正在為東亞或中東市場在地化內容，Scribe 可大幅減少拼寫錯誤和字符渲染不正確的問題。

2. 毫秒級時間戳準確度

對於高品質的字幕動畫（例如我們流行的卡拉 OK 樣式效果），時間同步至關重要。如果高亮動畫即使稍有落後於音頻，觀看者的沉浸感就會被打破。Scribe v2 提供精確的詞語級別對齊，幾乎將每個音節對齊到實際語音時間窗的 100 毫秒之內。這帶來了令人難以置信的流暢、同步的字幕流。

3. 進階噪音及口音抗干擾能力

真實世界的音頻很少在隔音錄音室中錄製。Scribe 可以輕鬆處理：

嘈雜的戶外環境（影片日誌、街頭採訪）。
背景音樂或音效濃重的影片。
帶有濃重地區口音或對話節奏快的講者。

它能過濾掉聲學靜電噪音，並以最少的錯誤成功轉錄實際語音。

4. 智能填充詞清理

在對話中，人們自然會在講話中加入「嗯」、「呃」、「像」和「你知道」等非流暢詞。Scribe 包含一個智能填充詞清理選項。當您在 SRTGen 中開啟 「移除填充詞（Remove Filler Words）」時，我們會直接將 no_verbatim 選項傳遞給 ElevenLabs，即時去除多餘的詞語，為您留下乾淨、可供發布的字幕文本。

5. 多講者分離

Scribe 會自動識別不同講者何時說話（支援多達 32 種不同的聲音）。它將對話分割成清晰、標有講者標籤的字幕卡，讓您可以在我們的專業字幕編輯器中輕鬆分配顏色或群組名稱。

如何在 SRTGen 中使用 ElevenLabs Scribe

使用新模型很簡單：

開啟 SRTGen 工作區並點擊 「新專案（New Project）」。
上傳您的影片或音頻檔案。
在 「轉錄 AI 模型（Transcription AI Model）」下方，選擇 「專業（Pro）」選項（由 ElevenLabs Scribe 提供技術支援）。如需使用原有模型，請選擇 「基本（Basic）」。
配置可選設定（例如 移除填充詞（Remove Filler Words） 或 標記音頻事件（Tag Audio Events））並點擊 「生成字幕（Generate Subtitles）」。