¿Qué es ElevenLabs Scribe v2?
Scribe v2 es el modelo de voz a texto por lotes de ElevenLabs, lanzado el 9 de enero de 2026, dos meses después de Scribe v2 Realtime, de baja latencia. Cubre más de 90 idiomas, maneja varios idiomas en un mismo archivo y añade keyterm prompting, diarización de hasta 32 hablantes, detección de 65 tipos de entidades con marcas de tiempo y etiquetado de eventos de audio.
Scribe v2 Medical, ajustado para audio clínico, es apto para HIPAA bajo un BAA y, según ElevenLabs, comete un 35% menos de errores en audio clínico que el modelo base. Scribe v2 Realtime se dirige a agentes de voz con una latencia de unos 150 ms.
¿Cuánto cuesta ElevenLabs Scribe v2?
| Plan | Precio | Qué incluye |
|---|---|---|
| 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 y v2 Medical a 0,22 $ por hora de audio; Scribe v2 Realtime a 0,39 $ por hora; el keyterm prompting suma 0,05 $ por hora. Los planes, desde 6 $/mes, incluyen horas.
¿Merece la pena ElevenLabs Scribe v2?
Scribe v2 está entre los modelos de transcripción más precisos disponibles, pero ya no es la elección obvia si se suman precisión y precio. En el índice de tasa de error por palabra de Artificial Analysis (AA-WER) obtiene un 2,2%, cuarto de la tabla, por detrás de la versión preliminar de Fun-Realtime-ASR de Alibaba (1,7%), MAI-Transcribe-2 de Microsoft (2,0%) y Voxtral Small Transcribe 3 de Mistral (2,1%). Sigue superando a Gemini 3.5 Transcribe de Google (2,6%) y a GPT Transcribe de OpenAI (3,3%).
MAI-Transcribe-2 es la comparación incómoda. Artificial Analysis lo sitúa en 1,67 $ cada 1.000 minutos y 307 veces el tiempo real, frente a los 3,67 $ y 69 veces de Scribe v2: más precisión por menos de la mitad de precio y más de cuatro veces la velocidad. Deepgram Nova-3 es aún más rápido, a 546 veces el tiempo real, pero su tasa de error del 5,2% es más del doble que la de Scribe.
Lo que mantiene a Scribe en liza es el trabajo alrededor de las palabras. La diarización de hasta 32 hablantes, la detección de entidades con marcas de tiempo para redactar datos, hasta 1.000 keyterms por solicitud por lotes y una variante médica apta para HIPAA son funciones que un producto de reuniones o clínico tendría que construir por su cuenta. Los keyterms cuestan 0,05 $ más por hora, y el silencio se factura como el habla.
Revisa la configuración de datos por defecto antes de enviar grabaciones. ElevenLabs guarda el historial de solicitudes por defecto, los elementos borrados pueden quedar en copias de seguridad hasta 30 días y el Zero Retention Mode, que se activa por solicitud con enable_logging=false, solo se ofrece a clientes empresariales seleccionados. El centro de confianza indica SOC 2 Type II, ISO 27001 y HIPAA, así que los compradores regulados pueden llegar a cumplir, pero solo mediante un contrato con ventas.
Dónde se gana su sitio
Una startup de notas de reuniones que transcribe 20.000 horas de llamadas al mes
Obtener transcripciones con hablantes etiquetados y con nombres y jerga correctos
Envía las grabaciones con keyterms para nombres de productos y clientes: 20.000 horas cuestan unos 4.400 $, o 5.400 $ con los keyterms activados. Los archivos de más de 8 minutos se dividen en hasta cuatro fragmentos paralelos, lo que acorta el tiempo de entrega.
Un equipo digital de un hospital que prueba notas clínicas ambientales
Transcribir consultas sin almacenar el audio de los pacientes
Usa Scribe v2 Medical bajo un BAA con el Zero Retention Mode; ElevenLabs afirma un 35% menos de errores clínicos que Scribe v2 base. Ambos requieren un acuerdo empresarial a través de ventas, así que las condiciones por volumen se negocian.
Un ingeniero de cumplimiento de un centro de contacto
Encontrar y redactar números de tarjeta y datos personales en llamadas grabadas
Activa la detección de entidades, que devuelve marcas de tiempo para 65 tipos de entidades, números de tarjeta incluidos, y silencia esos tramos en el audio. A 0,22 $ la hora, 1.000 horas de llamadas al día son unos 6.600 $ al mes.
Antes de decidirte
- Puesta en marcha
- Una clave de API y un POST a /v1/speech-to-text con el archivo; los trabajos largos pueden entregar los resultados a un webhook configurado en los ajustes del espacio de trabajo.
- Integraciones
- API REST y SDK de ElevenLabs, webhooks para resultados asíncronos, ElevenCreative y ElevenAgents; Scribe v2 Realtime para uso en directo.
- Datos y privacidad
- El historial de solicitudes se guarda por defecto; el Zero Retention Mode es para clientes empresariales seleccionados. El centro de confianza indica SOC 2 Type II, ISO 27001, ISO 42001, GDPR, HIPAA y PCI, y ElevenLabs ofrece residencia de datos en la UE y en India. El centro de ayuda de ElevenLabs dice que los datos de las cuentas que no son Enterprise se usan para entrenar sus modelos de audio salvo que la cuenta desactive "Improve the models for everyone", y no hace una excepción aparte para la API; los datos Enterprise quedan excluidos por defecto.
- Coste a escala
- 0,22 $ por hora de audio en todos los planes, así que 10.000 horas al mes son 2.200 $, más 500 $ con keyterms. El plan Business de 990 $ incluye 4.500 horas; Realtime cuesta 0,39 $ la hora.
- Límites
- 3 GB y 10 horas por archivo, hasta 5 canales en modo multicanal y 1.000 keyterms por solicitud por lotes (50 en Realtime). La velocidad por lotes es de unas 69 veces el tiempo real en la prueba de Artificial Analysis.
Lo bueno
- 2,2% de AA-WER, cuarto en la tabla de Artificial Analysis
- Diarización de hasta 32 hablantes
- 65 tipos de entidades con marcas de tiempo para redactar datos
- Variante médica apta para HIPAA al mismo precio de 0,22 $ por hora
- Archivos de hasta 3 GB y 10 horas
Lo malo
- MAI-Transcribe-2 es más preciso, más barato y más rápido en las pruebas de Artificial Analysis
- 69x el tiempo real, mucho más lento que Deepgram Nova-3
- El Zero Retention Mode es solo para empresas
- El silencio se factura
Ideal para
Productos de reuniones, medios y ámbito clínico que necesitan etiquetas de hablante y redacción de datos además de una transcripción precisa.
Alternativas a ElevenLabs Scribe v2
ElevenLabs Scribe v2: preguntas frecuentes
- ¿Merece la pena ElevenLabs Scribe v2?
- Scribe v2 transcribe con precisión y se encarga por ti de la redacción de datos y de los hablantes, pero Microsoft vende ahora más precisión por menos de la mitad de precio. Le damos un 4.4 sobre 5.
- ¿Cuánto cuesta ElevenLabs Scribe v2?
- API: Scribe v2 y v2 Medical a 0,22 $ por hora de audio; Scribe v2 Realtime a 0,39 $ por hora; el keyterm prompting suma 0,05 $ por hora. Los planes, desde 6 $/mes, incluyen horas.
- ¿Qué inconvenientes tiene ElevenLabs Scribe v2?
- MAI-Transcribe-2 es más preciso, más barato y más rápido en las pruebas de Artificial Analysis; 69x el tiempo real, mucho más lento que Deepgram Nova-3; el Zero Retention Mode es solo para empresas; el silencio se factura.
- ¿Para quién es ElevenLabs Scribe v2?
- Productos de reuniones, medios y ámbito clínico que necesitan etiquetas de hablante y redacción de datos además de una transcripción precisa.
- ¿Cuánto cuesta ElevenLabs Scribe v2 para un equipo o en producción?
- 0,22 $ por hora de audio en todos los planes, así que 10.000 horas al mes son 2.200 $, más 500 $ con keyterms. El plan Business de 990 $ incluye 4.500 horas; Realtime cuesta 0,39 $ la hora.
- ¿Es ElevenLabs Scribe v2 seguro para los datos de la empresa?
- El historial de solicitudes se guarda por defecto; el Zero Retention Mode es para clientes empresariales seleccionados. El centro de confianza indica SOC 2 Type II, ISO 27001, ISO 42001, GDPR, HIPAA y PCI, y ElevenLabs ofrece residencia de datos en la UE y en India. El centro de ayuda de ElevenLabs dice que los datos de las cuentas que no son Enterprise se usan para entrenar sus modelos de audio salvo que la cuenta desactive "Improve the models for everyone", y no hace una excepción aparte para la API; los datos Enterprise quedan excluidos por defecto.
- ¿Cuáles son las mejores alternativas a ElevenLabs Scribe v2?
- Las alternativas más cercanas que hemos analizado son Gemini 3.5 Transcribe, GPT Transcribe, Deepgram Nova-3, Whisper large-v3-turbo y MOSS-Transcribe-Diarize 0.9B.
Respuestas comprobadas el 26 oct 2026.