Dellows News

イレブンラボが音声認識モデルScribe v3とScribe v3 Liveを発表

米国ニューヨーク州に本社を置くElevenLabs(CEO:Mati Staniszewski、以下イレブンラボ)は、2026年11月10日(米国時間)、音声認識(Speech to Text)モデル「Scribe v3」と「Scribe v3 Live」を発表しました。録音済みの音声に向けた「Scribe v3」と、リアルタイムの音声に向けた低遅延版の「Scribe v3 Live」の2つのモデルを展開します。開発者向けの「ElevenAPI」で提供されるほか、「Scribe v3 Live」は音声・チャットエージェントプラットフォーム『ElevenAgents』でも利用可能です。

実際の会話に向けた認識精度の向上

両モデルは、会議での発言の重複や言葉の詰まり、非母国語での会話など、実際の音声環境における正確さを目指して開発されました。

「Scribe v3」(録音済み音声向け)は、102言語での評価において、前モデル「Scribe v2」と比較して単語の誤りを27%削減しました。「誰が話したか」を判別する話者識別でも、同社が評価したモデルの中で最も誤りが少ない結果となったとしています。

「Scribe v3 Live」(リアルタイム音声向け)は、102言語での評価で前モデル「Scribe v2 Realtime」と比べて誤りを43%削減しました。リアルタイムのモデルとして初めて話者識別に対応したほか、話し終わりの判定(ターン検出)も改善されています。

話者識別やターン検出と出力の調整

複数人の会議における話者判別

「Scribe v3」は、3人以上が話す録音において話者識別の誤りを「Scribe v2」より17%削減しました。「Scribe v3 Live」はリアルタイムで話者を判別し、同社の評価では、話者識別の誤りが次に良かったリアルタイムのモデルより39%少ない結果となっています。

文脈を利用した話し終わりの判定

「Scribe v3 Live」は、音声に加えて会話の文脈も使って話し終わりを判定します。番号を読み上げる途中で間を置いても発話の途中で遮らない設計となっており、これまで『ElevenAgents』で使われていた本機能がAPIでも利用可能になりました。

表記や専門用語の指定機能

「Scribe v3」では、音声に含まれる言語のヒントの複数指定や、数字の表記形式の選択が可能です。社名や専門用語などの用語を最大1,000語まで登録できるほか、「日付はすべてYYYY-MM-DD形式で書く」といった表記ルールを自然な文章で指定できます。

「Scribe v3 Live」には、会話中の言語切り替えに対応するマルチリンガルモードや、該当しそうな言葉が聞こえたときだけ参照する用語機能「キーターム・ライブラリ」が備わっています。

性能評価と導入実績

同社は両モデルについて、102言語の読み上げ音声で構成されるベンチマーク「FLEURS」の社内版や、実際の会議・通話・音声メモで構成した16言語の独自データセットを用いて評価を実施しました。この独自データセットは近日中にオープンソースとして公開される予定です。評価の結果、「Scribe v3」は評価した102言語すべてで「Scribe v2」より誤りが減り、同社が評価した他の録音済み音声向けモデルのいずれよりも単語の誤りが少ない結果となりました。「Scribe v3 Live」も評価した全言語で前モデルより誤りを減らし、同社評価の他のリアルタイムモデルより誤り率が低い結果を記録しています。

オランダでエネルギーを供給するEnecoでは、提供開始前に『ElevenAgents』の音声エージェントで「Scribe v3 Live」を試験しました。顧客との通話において、郵便番号を1回で正しく認識できた割合が40%、番地で15%向上した実績が報告されています。Eneco シニアプロダクトマネージャーのRuud Huigsloot氏は、現場を支援するエンジニアとともにさらなる改善に取り組んでおり、早い段階での成果を評価するとともに今後の協業への期待を示しています。

エンタープライズ向けとして、処理終了後に音声とテキストを直ちに削除する「Zero Retention Mode」に対応し、SOC 2、ISO 27001、PCI DSS Level 1の認証を取得しています。BAA(Business Associate Agreement)の締結によるHIPAA対象業務への利用や、プライベート環境での導入にも対応します。

両モデルは「ElevenAPI」で利用可能となっており、医療機関向けには診療会話に最適化した「Scribe v3 Live」が『ElevenAgents』で提供されます。日本語を含む90以上の言語に対応しています。

  • 設立:2022年
  • 本社:米国ニューヨーク州
  • CEO:Mati Staniszewski
  • 提供サービス:「ElevenAgents」、「ElevenCreative」、「ElevenAPI」
  • 公式サイト:https://elevenlabs.io/ja
  • 詳細(英語):https://elevenlabs.io/blog/scribe-v3

本記事はElevenLabsの発表をもとに作成されました。

アクセスランキング

今日

1週間