ElevenLabs Scribe v2とは？
Scribe v2はElevenLabsのバッチ型の音声認識モデルで、低レイテンシのScribe v2 Realtimeの2か月後、2026年1月9日に公開されました。90+の言語に対応し、1つのファイル内の複数言語を 扱え、キーワードのプロンプト指定、最大32人の話者分離、タイムスタンプ付きの65種類のエンティティ検出、音声イベントのタグ付けが加わりました。
臨床の音声向けに調整されたScribe v2 Medicalは、BAAのもとでHIPAAの対象となり、ElevenLabsによると、臨床の音声では基本モデルより誤りが35%少なくなります。Scribe v2 Realtimeは約150 msのレイテンシで音声エージェントを狙っています。
ElevenLabs Scribe v2の料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| 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とv2 Medicalは音声1時間あたり$0.22、Scribe v2 Realtimeは1時間あたり$0.39。キーワードのプロンプト指定は1時間あたり$0.05の追加。月$6からのプランに時間枠が含まれます。
ElevenLabs Scribe v2は使う価値があるか？
Scribe v2は入手できる文字起こしモデルの中でも特 に正確な部類ですが、精度と価格の両面で見ると、もはや当然の選択ではありません。Artificial Analysisの単語誤り率インデックス（AA-WER）では2.2%で4位につけ、AlibabaのFun-Realtime-ASRプレビュー（1.7%）、MicrosoftのMAI-Transcribe-2（2.0%）、MistralのVoxtral Small Transcribe 3（2.1%）に次ぎます。GoogleのGemini 3.5 Transcribe（2.6%）やOpenAIのGPT Transcribe（3.3%）にはいまも勝っています。
居心地の悪い比較相手はMAI-Transcribe-2です。Artificial Analysisでは1,000分あたり$1.67、リアルタイムの307倍速とされ、Scribe v2は$3.67で69倍速です。つまり、より高い精度を半額以下の価格と4倍以上の速さで提供しています。Deepgram Nova-3はさらに速くリアルタイムの546倍ですが、誤り率5.2%はScribeの2倍を超えます。
Scribeが選択肢に残る理由は、言葉の周りの作業です。最大32人の話者分離、秘匿化に使えるタイムスタンプ付きのエンティティ検出、バッチリクエストあたり最大1,000個のキーワード、HIPAAの対象となる医療向けバリアントは、会議や臨床の製品ならなければ自前で作ることになる機能です。キーワードは1時間あたり$0.05の追加料金がかかり、無音も発話と同じく課金されます。
録音を送る前に、データの既定値を確認してください。ElevenLabsは既定でリクエスト履歴を保持し、削除した項目もバックアップに最大30日間残ることがあります。リクエストごとにenable_logging=falseで有効にするZero Retention Modeは、選ばれたエンタープライズ顧客にしか提供されていません。トラストセンターにはSOC 2 Type II、ISO 27001、HIPAAが記載されているので、規制対象の買い手も利用できますが、営業との契約を通す必要があります。
真価を発揮する場面
月20,000時間の通話を文字起こしする議事録のスタートアップ
名前や専門用語を正しく反映した、話者ラベル付きの文字起こしを得る
製品名や顧客名をキーワードに指定して録音を送ります。20,000時間で約$4,400、キーワードを有効にすると$5,400です。8分を超えるファイルは最大4つのチャンクに分けて並列処理されるため、処理時間が短くなります。
診察の自動記録を試験導入する病院のデジタルチーム
患者の音声を保存せずに診察を文字起こしする
BAAのもとでScribe v2 MedicalをZero Retention Modeで使います。ElevenLabsは基本のScribe v2より臨床での誤りが35%少ないとしています。どちらも営業を通じたエンタープライズ契約が必要なので、大口の条件は交渉になります。
コンタクトセンターのコンプライアンスエンジニア
録音された通話の中のカード番号や個人データを見つけて秘匿化する
エンティティ検出を有効にすると、カード番号を含む65種類のエンティティのタイムスタンプが返るので、音声のその区間を消音します。1時間$0.22なら、1日1,000時間の通話で月約$6,600です。
導入前に確認すること
- 導入
- APIキーを用意し、ファイルを付けて/v1/speech-to-textに1回POSTするだけです。長いジョブは、ワークスペースの設定で指定したwebhookに結果を届けられます。
- 連携
- ElevenLabsのREST APIとSDK、非同期の結果を受け取るwebhook、ElevenCreativeとElevenAgents。ライブ用途にはScribe v2 Realtime。
- データとプライバシー
- リクエスト履歴は既定で保持され、Zero Retention Modeは選ばれたエンタープライズ顧客向けです。トラストセンターにはSOC 2 Type II、ISO 27001、ISO 42001、GDPR、HIPAA、PCIが記載され、ElevenLabsはEUとインドでのデータ所在地指定を提供しています。ElevenLabsのヘルプセンターによると、Enterprise以外のアカウントのデータは、アカウントで「Improve the models for everyone」をオフにしない限り音声モデルの学習に使われ、APIについて別の例外は設けていません。Enterpriseのデータは既定で除外されます。
- 大規模利用時のコスト
- どのプランでも音声1時間あたり$0.22なので、月10,000時間で$2,200、キーワードを使うと$500が加わりま す。$990のBusinessプランには4,500時間が含まれます。Realtimeは1時間あたり$0.39です。
- 制限
- 1ファイルあたり3 GB、10時間まで、マルチチャンネルモードでは最大5チャンネル、バッチリクエストあたりキーワードは1,000個まで（Realtimeでは50個）です。Artificial Analysisのテストでは、バッチの速度はリアルタイムの約69倍です。
良い点
- AA-WERは2.2%で、Artificial Analysisの順位表で4位
- 最大32人の話者分離
- 秘匿化に使えるタイムスタンプ付きの65種類のエンティティ
- HIPAAの対象となる医療向けバリアントも同じ1時間$0.22
- 最大3 GB、10時間のファイルに対応
気になる点
- Artificial AnalysisのテストではMAI-Transcribe-2のほうが正確で、安く、速い
- リアルタイムの69倍速で、Deepgram Nova-3よりはるかに遅い
- Zero Retention Modeはエンタープライズのみ
- 無音も課金される
おすすめの人
正確な文字起こしに加えて、話者ラベルと秘匿化が必要な会議、メディア、臨床向けの製品。
ElevenLabs Scribe v2の代替
ElevenLabs Scribe v2：よくある質問
- ElevenLabs Scribe v2は使う価値があるか？
- Scribe v2は正確に文字起こしし、秘匿化や話者の処理まで代わりにこなします。ただしMicrosoftは現在、より高い精度を半額以下で販売しています。 評 価は5点満点中4.4点です。
- ElevenLabs Scribe v2の料金は？
- API：Scribe v2とv2 Medicalは音声1時間あたり$0.22、Scribe v2 Realtimeは1時間あたり$0.39。キーワードのプロンプト指定は1時間あたり$0.05の追加。月$6からのプランに時間枠が含まれます。
- ElevenLabs Scribe v2の欠点は？
- Artificial AnalysisのテストではMAI-Transcribe-2のほうが正確で、安く、速い; リアルタイムの69倍速で、Deepgram Nova-3よりはるかに遅い; Zero Retention Modeはエンタープライズのみ; 無音も課金される.
- ElevenLabs Scribe v2は誰に向いているか？
- 正確な文字起こしに加えて、話者ラベルと秘匿化が必要な会議、メディア、臨床向けの製品。
- チームや本番環境でElevenLabs Scribe v2を使うと費用はいくらか？
- どのプランでも音声1時間あたり$0.22なので、月10,000時間で$2,200、キーワードを使うと$500が加わります。$990のBusinessプランには4,500時間が含まれます。Realtimeは1時間あたり$0.39です。
- ElevenLabs Scribe v2は企業データを扱っても安全か？
- リクエスト履歴は既定で保持され、Zero Retention Modeは選ばれたエンタープライズ顧客向けです。トラストセンターにはSOC 2 Type II、ISO 27001、ISO 42001、GDPR、HIPAA、PCIが記載され、ElevenLabsはEUとインドでのデータ所在地指定を提供しています。ElevenLabsのヘルプセンターによると、Enterprise以外のアカウントのデータは、アカウントで「Improve the models for everyone」をオフにしない限り音声モデルの学習に使われ、APIについて別の例外は設けていません。Enterpriseのデータは既定で除外されます。
- ElevenLabs Scribe v2の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGemini 3.5 Transcribe, GPT Transcribe, Deepgram Nova-3, Whisper large-v3-turbo 、 MOSS-Transcribe-Diarize 0.9Bです。
回答確認日：2026年10月26日