› ElevenLabs Scribe to model zamiany mowy na tekst, który przepisuje nagrania w ponad 90 językach, rozpoznaje mówców i oznacza odgłosy.
› Sprawdziłem, jak radzi sobie z polskim: przygotowałem minutowy wywiad naszpikowany nazwiskami typu Żółtowski-Brzęczyszczykiewicz, nazwami miejsc i trzynastoma liczbami, a potem policzyłem błędy w trzech ustawieniach Scribe i w lokalnym Whisperze.
› Do tego test na nagraniach z szumem kawiarni, ulicy i wentylatora.
› W skrócie Scribe v2 przepisał 112 słów trudnego polskiego wywiadu bez błędu w nazwach i liczbach, poprawnie rozdzielił dwóch mówców w 6 z 6 wypowiedzi i zrobił to w 4,6 s.