11月11日，ElevenLabs在Product Hunt发布语音转文字模型Scribe v3，官方称该模型在90多种语言下错误率降低27%。同日，另一款语音转写产品Earlybird也在Product Hunt亮相，以29M参数和低延迟为卖点，可在词语结束前输出文字。两款产品分别从准确率与实时性两个维度展示了语音识别技术的最新进展。

ElevenLabs Scribe v3：多语言准确率提升

根据Product Hunt产品页信息，Scribe v3的核心升级在于多语言场景下的识别准确率。ElevenLabs宣称，该模型在90多种语言中实现了27%的错误率降低。这一数据若得到独立验证，将意味着语音转文字在跨语言应用中的可用性显著提高。

目前ElevenLabs未在Product Hunt页面披露27%错误率降低的具体测试基准、对比对象及语言分布细节。该数据为厂商自述，尚待第三方评测确认。

Earlybird：29M参数实现“未说完先出词”

与Scribe v3同日出现在Product Hunt的Earlybird，走的是另一条技术路线。其产品页描述为“29M-param speech-to-text that outputs words before they end”，即仅用2900万参数实现语音转文字，并能在词语尚未结束时提前输出文字。

这一特性指向实时转写场景中的延迟问题。较小的参数规模通常意味着更低的计算资源需求和更快的推理速度，但Product Hunt页面未提供Earlybird的准确率数据、支持语言数量及具体延迟指标。

技术路线分化：准确率与实时性并进

两款产品在同日发布，反映出语音识别领域的两条演进路径。ElevenLabs的Scribe v3侧重多语言准确率的大幅提升，适合对转写质量要求高的场景；Earlybird则强调低延迟和轻量化，瞄准实时字幕、语音交互等对响应速度敏感的应用。

目前两条线索均来自Product Hunt产品发布信息，缺乏独立测试数据。Scribe v3的27%错误率降低和Earlybird的“提前出词”效果，均有待实际使用验证。

后续关注

  • ElevenLabs是否公布Scribe v3的评测基准与语言覆盖明细
  • Earlybird的准确率、延迟指标及支持语言范围
  • 第三方机构对两款产品的独立测试结果