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 секундам | 0,38 ₽ 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 минут | Около 22,80 ₽ |
|---|---|
| Протокол рабочей встречи: встреча на 45 минут | Около 17,10 ₽ |
| Субтитры к ролику: ролик на 10 минут | Около 3,80 ₽ |
| Текстовые версии выпусков подкаста: выпуск на 90 минут | Около 34,20 ₽ |
| Конспект лекции или вебинара: лекция на 80 минут | Около 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
| Разработчик | ElevenLabs |
|---|---|
| Вид | Распознавание речи |
| Файл | mp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ |
| Звук за раз | до 2 ч |
| Ответ | json, text, srt, vtt, verbose_json |
| id для запроса | elevenlabs/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
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| ElevenLabs Scribe v3 — эта модель | 0,38 ₽ / мин | до 2 ч звука | точная расшифровка интервью, встреч и лекций с временем каждого слова |
| GPT-4o Transcribe Diarize — OpenAI | 0,68 ₽ / мин | до 2 ч звука | интервью и встречи, где нужно знать, кто что сказал |
| Deepgram Nova-3 — Deepgram | 0,54 ₽ / мин | до 2 ч звука | звонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков |
| Gemini 3.5 Transcribe — Google | 0,56 ₽ / мин | до 1 ч звука | длинные записи до часа и речь на языках соседних стран |
| Soniox STT v6 — Soniox | 0,19 ₽ / мин | до 2 ч звука | фоновая расшифровка записей на 60+ языках, когда ответ может подождать |
| AssemblyAI Universal-3.5 Pro — AssemblyAI | 0,40 ₽ / мин | до 2 ч звука | английская, 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.
- ElevenLabs Scribe v2 — 0,38 ₽ за минуту звука
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_jsonиtimestamp_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