Весело
Весело

ElevenLabs Scribe v3: распознавание речи по API

ElevenLabs Scribe v3 — новая модель распознавания речи от ElevenLabs для готовых записей. По замеру компании она ошибается в словах на 27% реже, чем Scribe v2, и понимает больше 90 языков, русский среди них. По API её берут для интервью, встреч, лекций и субтитров. Цена — 0,38 ₽ за минуту звука, считается по секундам звука.

  • 0,38 ₽ за минуту звука
  • до 2 ч звука
  • звук → текст

elevenlabs/scribe-v3

Обновлено:

Получить ключ Попробовать Документация

Попробовать ElevenLabs Scribe v3

Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Что попробовать: Загрузи запись до двух минут или запиши с микрофона, например отрывок интервью. Вернётся текст расшифровки.

В ответ приходит текст записи в поле text — как у OpenAI.

Цены ElevenLabs Scribe v3 в рублях

Звук — считаем по секундам0,38 ₽ за минуту

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Расшифровка интервью: интервью на 60 минутОколо 22,80 ₽
Протокол рабочей встречи: встреча на 45 минутОколо 17,10 ₽
Субтитры к ролику: ролик на 10 минутОколо 3,80 ₽
Текстовые версии выпусков подкаста: выпуск на 90 минутОколо 34,20 ₽
Конспект лекции или вебинара: лекция на 80 минутОколо 30,40 ₽

Что умеет ElevenLabs Scribe v3

  • Распознаёт больше 90 языков, русский среди них (распознавание речи ElevenLabs).
  • На тесте FLEURS по 102 языкам ошибается в словах на 27% реже Scribe v2: средняя доля ошибок упала с 16,94% до 12,38% (замер ElevenLabs).
  • Отдаёт время начала и конца каждого слова.
  • Язык записи определяет без подсказки; подсказать его можно полем language.
  • Через наш API принимает WAV, MP3, FLAC, M4A, OGG и WebM размером до 25 МБ.
  • Цена считается по длительности звука с округлением вверх до секунды.

Где применять

Расшифровка интервью

Интервью для статьи или исследования удобно сначала превратить в текст, а потом уже выбирать цитаты. Scribe v3 рассчитана на готовые записи: отправляешь файл целиком и получаешь расшифровку одним ответом. Попроси время каждого слова, и любую цитату можно будет найти в записи за секунды и проверить на слух. Перед публикацией сверь имена и названия: редкие фамилии модель пишет так, как услышала.

Пример запроса: «model=elevenlabs/scribe-v3, file=interview.mp3, language=ru, response_format=verbose_json, timestamp_granularities[]=word»

Стоимость: интервью на 60 минут — около 22,80 ₽.

Протокол рабочей встречи

Запись планёрки становится текстом, а текст — протоколом: Scribe v3 расшифровывает, языковая модель выписывает решения, сроки и ответственных. Инструменты для встреч ElevenLabs называет одной из главных задач Scribe v3. Записывай встречу одним файлом, а длинную режь на части до 25 МБ. Тишина тоже входит в длительность и оплачивается, поэтому пустые минуты до начала встречи стоит обрезать заранее. Протокол пришли участникам в тот же день, пока решения свежи в памяти.

Пример запроса: «model=elevenlabs/scribe-v3, file=meeting.m4a, language=ru, response_format=text»

Стоимость: встреча на 45 минут — около 17,10 ₽.

Субтитры к ролику

Для субтитров нужно время каждого слова, и Scribe v3 его отдаёт. Запроси подробный ответ с метками слов и собери из них строки по пять-семь слов с началом и концом. Подписи к видео ElevenLabs прямо называет среди задач модели. Видеофайл часто тяжелее 25 МБ, поэтому звук из него удобнее заранее вытащить в MP3 или M4A: файл станет намного легче, а время слов совпадёт с видео, если не обрезать начало.

Пример запроса: «model=elevenlabs/scribe-v3, file=clip.mp3, response_format=verbose_json, timestamp_granularities[]=word»

Стоимость: ролик на 10 минут — около 3,80 ₽.

Текстовые версии выпусков подкаста

Текст выпуска нужен подкасту для сайта: по нему выпуск находят в поиске, а слушатель может пробежать глазами то, что пропустил. ElevenLabs называет архивы эфиров одной из задач Scribe v3. Расшифровку отдай редактору или языковой модели: пусть уберёт повторы и слова-паразиты и разобьёт текст на главы с подзаголовками. Для сайта получится готовая страница выпуска, а из неё легко нарезать посты для соцсетей с цитатами гостя.

Пример запроса: «model=elevenlabs/scribe-v3, file=episode-42.mp3, language=ru, response_format=json»

Стоимость: выпуск на 90 минут — около 34,20 ₽.

Конспект лекции или вебинара

Обучение — ещё одна задача, которую ElevenLabs называет для Scribe v3. Запись лекции превращается в текст, по которому удобно повторять материал, искать определения и собирать вопросы к зачёту. Русский ElevenLabs ещё у Scribe v2 относила к группе языков, где ошибок не больше 5% слов, а v3 в среднем ошибается реже. Термины и формулы после расшифровки проверь глазами: модель записывает то, что слышит, и сложное название может написать по-своему.

Пример запроса: «model=elevenlabs/scribe-v3, file=lecture.ogg, language=ru, response_format=text»

Стоимость: лекция на 80 минут — около 30,40 ₽.

Разбор звонков отдела продаж

Контакт-центры ElevenLabs тоже называет среди задач Scribe v3. Каждый звонок отправляй отдельным файлом, а расшифровку передавай языковой модели с короткой памяткой: есть ли приветствие, прозвучало ли предложение доставки, назван ли срок. Так отдел видит, где разговор пошёл не по плану, не прослушивая сотни записей подряд. Короткие звонки выгодны: цена идёт по секундам, а не по целым минутам, и минутный звонок не стоит как пятиминутный.

Пример запроса: «model=elevenlabs/scribe-v3, file=call-0915.wav, language=ru, response_format=json»

Стоимость: сто звонков по 4 минуты — около 152,00 ₽.

Как писать запрос

Если запись на одном языке, подскажи его полем language, например ru. Файл отправляй в WAV, MP3, FLAC, M4A, OGG или WebM до 25 МБ: час разговора в MP3 на 48 кбит/с весит около 21 МБ и проходит одним запросом. Длинную запись режь на паузах, а не посреди фразы. Формат ответа выбирай под задачу: text — только текст, json — текст в поле, verbose_json — ещё и время слов.

Характеристики

РазработчикElevenLabs
ВидРаспознавание речи
Файлmp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ
Звук за раздо 2 ч
Ответjson, text, srt, vtt, verbose_json
id для запросаelevenlabs/scribe-v3

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/transcriptions с полем model: elevenlabs/scribe-v3, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -F model="elevenlabs/scribe-v3" \
  -F file="@speech.mp3"

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with open("speech.mp3", "rb") as f:
    r = client.audio.transcriptions.create(model="elevenlabs/scribe-v3", file=f)
print(r.text)

JavaScript

import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });

const r = await client.audio.transcriptions.create({
  model: 'elevenlabs/scribe-v3',
  file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);

Пример ответа — только поля

{
  "text": "…"
}

В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
ElevenLabs Scribe v3 — эта модель0,38 ₽ / миндо 2 ч звукаточная расшифровка интервью, встреч и лекций с временем каждого слова
GPT-4o Transcribe Diarize — OpenAI0,68 ₽ / миндо 2 ч звукаинтервью и встречи, где нужно знать, кто что сказал
Deepgram Nova-3 — Deepgram0,54 ₽ / миндо 2 ч звуказвонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков
Gemini 3.5 Transcribe — Google0,56 ₽ / миндо 1 ч звукадлинные записи до часа и речь на языках соседних стран
Soniox STT v6 — Soniox0,19 ₽ / миндо 2 ч звукафоновая расшифровка записей на 60+ языках, когда ответ может подождать
AssemblyAI Universal-3.5 Pro — AssemblyAI0,40 ₽ / миндо 2 ч звукаанглийская, испанская и французская речь с диалектами, где важна точность
  • GPT-4o Transcribe Diarize — если в ответе API нужна разметка «кто говорит»: у неё есть формат diarized_json.
  • Deepgram Nova-3 — для шумных встреч и звонков с несколькими собеседниками.
  • Whisper Large v3 — открытая модель, которая отдаёт субтитры SRT и VTT прямо в ответе.
  • Gemini 3.5 Transcribe — для записей до часа, когда нужен «чистый» текст без слов-паразитов.
  • Soniox STT v6 — когда минут много и важна цена: одна из недорогих расшифровок с русским.

Версии и отличия

  • Scribe v2 (elevenlabs/scribe-v2) — прошлая модель, тоже больше 90 языков. ElevenLabs оставила её доступной, а переход на v3 — это смена id модели: остальные параметры работают как раньше.
  • Scribe v3 Live — версия для живой речи с постоянным соединением. В нашем API её пока нет: распознаём только готовые файлы.

Подробно о ElevenLabs Scribe v3

ElevenLabs выпустила Scribe v3 10 ноября 2026 года вместе с потоковой Scribe v3 Live. Обычная v3 работает с готовыми записями, Live — с живой речью, например в голосовых помощниках. По нашему API доступна первая.

Главное, чем компания объясняет выход новой версии, — точность. На внутренней версии теста FLEURS по 102 языкам Scribe v3 ошибается в словах на 27% реже, чем v2: средняя доля ошибок снизилась с 16,94% до 12,38%. Среди примеров ElevenLabs — немецкий (ошибок меньше на 42%), испанский (на 35%), суахили (на 34%) и английский (на 23%). ElevenLabs оговаривает, что считает ошибку по каждому отрывку и усредняет по языку, поэтому напрямую сравнивать эти числа с цифрами других компаний нельзя. И FLEURS — это короткая чистая начитка, а не шумная планёрка.

Разметка говорящих тоже стала точнее: ошибок на 12% меньше, чем у v2, а на записях с тремя и больше собеседниками — на 17% меньше. У ElevenLabs модель различает до 32 говорящих, понимает до 1 000 ключевых слов, умеет писать числа цифрами или словами, работать со смешанными языками, находить в тексте номера карт и имена и править расшифровку по указанию обычными словами. Часть этих функций ElevenLabs продаёт отдельно, и в нашем API их сейчас нет: через него приходят текст и время слов.

Ещё одно отличие касается размера. ElevenLabs у себя принимает файлы до 5 ГБ и до 15 часов, а наш API — до 25 МБ на запрос. Для интервью и встреч этого хватает, если отправить звук в сжатом формате. Для архива многочасовых эфиров запись придётся резать.

Чего Scribe не делает, ElevenLabs тоже пишет прямо: модель не переводит. Речь записывается на том языке, на котором звучит, а смешанную запись модель расшифрует как есть.

Как устроен доступ

Весело — не разработчик ElevenLabs Scribe v3: модель выпускает ElevenLabs. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Насколько точно Scribe v3 распознаёт русскую речь?
Отдельной цифры для русского у v3 ElevenLabs не публикует. Средняя ошибка по 102 языкам у v3 на 27% ниже, чем у v2, а русский ещё у Scribe v2 попал в группу с ошибкой не больше 5% слов. Тест FLEURS — короткая чистая начитка, поэтому шумную запись проверь на своём файле.
Размечает ли Scribe v3 говорящих в ответе API?
У ElevenLabs Scribe v3 различает до 32 говорящих, но это включается отдельной настройкой вендора, которой в нашем API пока нет. Сейчас приходит текст и, если попросить, время каждого слова. Если разметка «кто говорит» нужна прямо в ответе, посмотри GPT-4o Transcribe Diarize.
Какие файлы принимает Scribe v3?
Через наш API — WAV, MP3, FLAC, M4A, OGG и WebM размером до 25 МБ. У ElevenLabs предел больше, до 5 ГБ и 15 часов, но у нас длинную запись придётся разрезать или сжать.
Переводит ли Scribe v3 запись на другой язык?
Нет. ElevenLabs прямо пишет, что Scribe не переводит: речь записывается текстом на том языке, на котором звучит. Перевести расшифровку можно следующим шагом через языковую модель.
Как получить субтитры из ответа Scribe v3?
Попроси response_format=verbose_json и timestamp_granularities[]=word: придёт время начала и конца каждого слова. Из него строки субтитров собираются парой десятков строк кода. Какие ещё форматы ответа есть у модели, видно в её карточке в /v1/models.
Сколько стоит расшифровать час записи в Scribe v3?
Около 22,80 ₽. Цена считается по длительности звука с округлением вверх до секунды, тишина и паузы тоже входят в длительность. Если запрос оборвался с ошибкой, деньги за него не списываются.
Нужны ли VPN и зарубежная карта для ElevenLabs Scribe v3?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Что будет, если запрос закончится ошибкой?
Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: elevenlabs.io