Was ist ElevenLabs Scribe v2?
Scribe v2 ist das Batch-Speech-to-Text-Modell von ElevenLabs, gestartet am 9. Januar 2026, zwei Monate nach dem latenzarmen Scribe v2 Realtime. Es deckt über 90 Sprachen ab, verarbeitet mehrere Sprachen in einer Datei und ergänzt Keyterm Prompting, Sprechertrennung für bis zu 32 Sprecher, die Erkennung von 65 Entitätstypen mit Zeitstempeln und die Markierung von Audioereignissen.
Scribe v2 Medical ist auf klinisches Audio abgestimmt, unter einem BAA HIPAA-fähig und macht laut ElevenLabs bei klinischem Audio 35% weniger Fehler als das Basismodell. Scribe v2 Realtime zielt mit etwa 150 ms Latenz auf Voice Agents.
Was kostet ElevenLabs Scribe v2?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Scribe v2 and v2 Medical | $0.22 per hour of audio | |
| Scribe v2 Realtime | $0.39 per hour | |
| Keyterm prompting | +$0.05 per hour |
API: Scribe v2 und v2 Medical 0,22 $ pro Stunde Audio; Scribe v2 Realtime 0,39 $ pro Stunde; Keyterm Prompting kostet 0,05 $ pro Stunde extra. Tarife ab 6 $/Monat enthalten Stunden.
Lohnt sich ElevenLabs Scribe v2?
Scribe v2 gehört zu den genauesten verfügbaren Transkriptionsmodellen, ist bei Genauigkeit und Preis zusammen aber nicht mehr die naheliegende Wahl. Auf dem Wortfehlerraten-Index von Artificial Analysis (AA-WER) erreicht es 2,2%, Platz vier, hinter Alibabas Preview Fun-Realtime-ASR (1,7%), Microsofts MAI-Transcribe-2 (2,0%) und Mistrals Voxtral Small Transcribe 3 (2,1%). Es schlägt weiterhin Googles Gemini 3.5 Transcribe (2,6%) und OpenAIs GPT Transcribe (3,3%).
MAI-Transcribe-2 ist der unbequeme Vergleich. Artificial Analysis führt es mit 1,67 $ pro 1.000 Minuten und 307-facher Echtzeit, gegenüber 3,67 $ und 69-fach bei Scribe v2: bessere Genauigkeit für weniger als den halben Preis und mehr als die vierfache Geschwindigkeit. Deepgram Nova-3 ist mit 546-facher Echtzeit noch schneller, aber seine Fehlerrate von 5,2% ist mehr als doppelt so hoch wie die von Scribe.
Im Rennen hält Scribe die Arbeit rund um die Wörter. Sprechertrennung für bis zu 32 Sprecher, Entitätserkennung mit Zeitstempeln für die Schwärzung, bis zu 1.000 Keyterms pro Batch-Anfrage und eine HIPAA-fähige Medizinvariante sind Funktionen, die ein Meeting- oder Klinikprodukt sonst selbst bauen müsste. Keyterms kosten 0,05 $ pro Stunde extra, und Stille wird wie Sprache abgerechnet.
Prüf die Datenvoreinstellungen, bevor du Aufnahmen schickst. ElevenLabs speichert den Anfrageverlauf standardmäßig, gelöschte Einträge können bis zu 30 Tage in Backups liegen, und Zero Retention Mode, pro Anfrage mit enable_logging=false aktiviert, gibt es nur für ausgewählte Enterprise-Kunden. Das Trust Center nennt SOC 2 Type II, ISO 27001 und HIPAA, regulierte Käufer kommen also ans Ziel, aber nur über einen Vertrag mit dem Vertrieb.
Wo es sich lohnt
Ein Startup für Meeting-Notizen, das 20.000 Stunden Anrufe im Monat transkribiert
Transkripte mit Sprecherkennzeichnung, in denen Namen und Fachbegriffe stimmen
Schick die Aufnahmen mit Keyterms für Produkt- und Kundennamen: 20.000 Stunden kosten etwa 4.400 $, mit Keyterms 5.400 $. Dateien über 8 Minuten werden in bis zu vier parallele Stücke geteilt, das verkürzt die Bearbeitungszeit.
Ein Digitalteam in einem Krankenhaus, das automatische klinische Notizen erprobt
Sprechstunden transkribieren, ohne Patientenaudio zu speichern
Nutze Scribe v2 Medical unter einem BAA mit Zero Retention Mode; ElevenLabs verspricht 35% weniger klinische Fehler als das Basismodell Scribe v2. Beides erfordert einen Enterprise-Vertrag über den Vertrieb, Mengenkonditionen werden also verhandelt.
Ein Compliance-Ingenieur in einem Contact Center
Kartennummern und personenbezogene Daten in aufgezeichneten Anrufen finden und schwärzen
Schalte die Entit ätserkennung ein, die Zeitstempel für 65 Entitätstypen einschließlich Kartennummern liefert, und stumme diese Abschnitte im Audio. Bei 0,22 $ pro Stunde kosten 1.000 Stunden Anrufe am Tag etwa 6.600 $ im Monat.
Bevor du dich festlegst
- Einrichtung
- Ein API-Schlüssel und ein POST an /v1/speech-to-text mit der Datei; lange Jobs können Ergebnisse an einen Webhook liefern, der in den Workspace-Einstellungen festgelegt wird.
- Integrationen
- REST-API und SDKs von ElevenLabs, Webhooks für asynchrone Ergebnisse, ElevenCreative und ElevenAgents; Scribe v2 Realtime für den Live-Einsatz.
- Daten und Datenschutz
- Der Anfrageverlauf wird standardmäßig gespeichert; Zero Retention Mode gibt es für ausgewählte Enterprise-Kunden. Das Trust Center nennt SOC 2 Type II, ISO 27001, ISO 42001, DSGVO, HIPAA und PCI, und ElevenLabs bietet Datenresidenz in der EU und in Indien. Laut Hilfecenter werden Daten von Konten ohne Enterprise zum Training der Audiomodelle genutzt, sofern das Konto „Improve the models for everyone“ nicht abschaltet, eine eigene Ausnahme für die API gibt es nicht; Enterprise-Daten sind standardmäßig ausgenommen.
- Kosten im großen Maßstab
- 0,22 $ pro Audiostunde in jedem Tarif, 10.000 Stunden im Monat kosten also 2.200 $, plus 500 $ mit Keyterms. Der Business-Tarif für 990 $ enthält 4.500 Stunden; Realtime kostet 0,39 $ pro Stunde.
- Grenzen
- 3 GB und 10 Stunden pro Datei, bis zu 5 Kanäle im Mehrkanalmodus und 1.000 Keyterms pro Batch-Anfrage (50 bei Realtime). Im Batch läuft es im Test von Artificial Analysis mit etwa 69-facher Echtzeit.
Was gut ist
- 2,2% AA-WER, Platz vier auf der Rangliste von Artificial Analysis
- Sprechertrennung für bis zu 32 Sprecher
- 65 Entitätstypen mit Zeitstempeln für die Schwärzung
- HIPAA-fähige Medizinvariante zu denselben 0,22 $ pro Stunde
- Dateien bis 3 GB und 10 Stunden
Was nicht
- MAI-Transcribe-2 ist in den Tests von Artificial Analysis genauer, günstiger und schneller
- 69-fache Echtzeit, weit langsamer als Deepgram Nova-3
- Zero Retention Mode nur für Enterprise
- Stille wird berechnet
Am besten für
Meeting-, Medien- und Klinikprodukte, die neben einem genauen Transkript auch Sprecherkennzeichnung und Schwärzung brauchen.
Alternativen zu ElevenLabs Scribe v2
ElevenLabs Scribe v2: häufige Fragen
- Lohnt sich ElevenLabs Scribe v2?
- Scribe v2 transkribiert genau und übernimmt Schwärzung und Sprecherzuordnung, aber Microsoft verkauft inzwischen bessere Genauigkeit für weniger als den halben Preis. Wir bewerten es mit 4.4 von 5.
- Was kostet ElevenLabs Scribe v2?
- API: Scribe v2 und v2 Medical 0,22 $ pro Stunde Audio; Scribe v2 Realtime 0,39 $ pro Stunde; Keyterm Prompting kostet 0,05 $ pro Stunde extra. Tarife ab 6 $/Monat enthalten Stunden.
- Welche Nachteile hat ElevenLabs Scribe v2?
- MAI-Transcribe-2 ist in den Tests von Artificial Analysis genauer, günstiger und schneller; 69-fache Echtzeit, weit langsamer als Deepgram Nova-3; Zero Retention Mode nur für Enterprise; Stille wird berechnet.
- Für wen eignet sich ElevenLabs Scribe v2?
- Meeting-, Medien- und Klinikprodukte, die neben einem genauen Transkript auch Sprecherkennzeichnung und Schwärzung brauchen.
- Was kostet ElevenLabs Scribe v2 für ein Team oder im Produktivbetrieb?
- 0,22 $ pro Audiostunde in jedem Tarif, 10.000 Stunden im Monat kosten also 2.200 $, plus 500 $ mit Keyterms. Der Business-Tarif für 990 $ enthält 4.500 Stunden; Realtime kostet 0,39 $ pro Stunde.
- Ist ElevenLabs Scribe v2 sicher für Firmendaten?
- Der Anfrageverlauf wird standardmäßig gespeichert; Zero Retention Mode gibt es für ausgewählte Enterprise-Kunden. Das Trust Center nennt SOC 2 Type II, ISO 27001, ISO 42001, DSGVO, HIPAA und PCI, und ElevenLabs bietet Datenresidenz in der EU und in Indien. Laut Hilfecenter werden Daten von Konten ohne Enterprise zum Training der Audiomodelle genutzt, sofern das Konto „Improve the models for everyone“ nicht abschaltet, eine eigene Ausnahme für die API gibt es nicht; Enterprise-Daten sind standardmäßig ausgenommen.
- Was sind die besten Alternativen zu ElevenLabs Scribe v2?
- Die nächsten Alternativen, die wir getestet haben, sind Gemini 3.5 Transcribe, GPT Transcribe, Deepgram Nova-3, Whisper large-v3-turbo und MOSS-Transcribe-Diarize 0.9B.
Antworten geprüft am 26. Okt. 2026.