ElevenLabs Scribe v3 and Scribe v3 Liveとは?
Scribe v3は録音済み音声向けのElevenLabsの音声認識モデルで、2026年11月10日にリアルタイム向けのScribe v3 Liveと同時に公開されました。同日に両モデルがElevenLabsのアプリとAPIでScribe v2に代わる標準となり、移行はモデルIDをscribe_v3またはscribe_v3_liveに変えるだけです。
バッチモデルは最大32人の話者を区別し、最大1,000個のキーワードを受け付け、音声イベントのタグ付けやエンティティの検出を行い、単語単位または文字単位のタイムスタンプを返します。新しいオプションで数字を算用数字にするか言葉にするかを選べ、複数言語が混ざる音声にも対応しやすくなりました。Liveモデルには、発話交代の予測、文の途中での言語切り替えに対応する多言語モード、リアルタイムの話者ラベル、最大10,000個のキーワードライブラリが加わります。どちらも90以上の言語に対応しています。
重みは公開されていません。EU、インド、シンガポールの分離環境を持つEnterpriseプランでない限り、音声は米国で処理されます。
ElevenLabs Scribe v3 and Scribe v3 Liveの料金は?
| プラン | 価格 | 内容 |
|---|---|---|
| Scribe v3 | $0.20 an hour | 録音済み音声。キーワード+$0.05、編集+$0.07 |
| Scribe v3 Live | $0.22 an hour | リアルタイム。キーワード+$0.08、編集+$0.12 |
Scribe v3は音声1時間あたり$0.20(キーワード+$0.05、文字起こし編集+$0.07)、Scribe v3 Liveは1時間$0.22(キーワード+$0.08、編集+$0.12)です。無料プランにも一定の時間が含まれます。
ElevenLabs Scribe v3 and Scribe v3 Liveは使う価値があるか?
Scribe v3は目立たないアップデートですが、結果は目を引きます。11月12日に確認したArtificial Analysisの録音音声の独立テストでは、単語誤り率1.9%で64モデル中2位となり、上にいるのは1.7%のAlibabaのFun-Realtime-ASR-previewだけです。前モデルのScribe v2は2.2%でした。料金は1時間$0.20に据え置かれ、こちらのほうが興味深い判断です。
ElevenLabs自身がうたう、FLEURSデータセットの102言語で誤りが27%減ったという数字には、同社自らが注記を添えています。誤り率をコーパス全体ではなくクリップごとに平均しているため、数値(16.94%から12.38%へ)は他社より高く出て、横並びで比べられません。Liveモデルの数字のほうが読み取りやすく、訛りのある金 融関連の通話を集めたEarnings-22では、誤り率が5.99%から3.91%に下がりました。
注意点:速度と処理地域です。Artificial AnalysisによるとScribe v3の速度は実時間の63倍で、MicrosoftのMAI-Transcribe-2の340.8倍に及びません。MAI-Transcribe-2は精度で0.1ポイントしか劣らず、1分あたりの料金は半分です。セルフサービスの音声は米国で処理され、EUでの処理にはEnterprise契約が必要で、Zero Retention Modeは初期状態では有効になっていません。また公式SDKがLiveモデルに追いついておらず、発話交代の予測や大規模なキーワードライブラリを使うにはWebSocketを直接扱う必要があります。
結論:すでにElevenLabsに音声を送っているチームにとっては無料の改善で、待つ理由はありません。最後の0.1ポイントよりも処理量やEUでのデータ保管を重視するチームには、MicrosoftとMistralが十分に迫っており、品質より運用面の条件で選ぶ段階に来ています。
真価を発揮する場面
8言語で配信するポッドキャストネットワーク
各エピソードを話者ラベル付きのきれいな文字起こしにする
ダイアライゼーションとSRT出力を有効にしてscribe_v3にファイルを送ります。1,000時間分の過去回はオプション抜きで約$200です。
公益事業会社のカスタマーサービスチーム
ライブ通話で郵便番号、口座番号、名前を正しく聞き取る
通り名や製品用語のキーワードライブラリを付けて通話をscribe_v3_liveにストリーミングします。ライブラリはモデルが一致しそうな語を聞き取ったときだけ使われます。1時間$0.22にキーワードの$0.08が加わります。
導入前に確認すること
- 導入
- model_idをscribe_v3にして/v1/speech-to-textに音声をPOSTするか、scribe_v3_liveでリアルタイムのWebSocketを開きます。v2のパラメーターはそのまま使えます。
- 連携
- ElevenLabsのAPIとSDK、ElevenAgents、非同期結果用のWebhook、SRT、DOCX、PDFへの出力。発話交代の予測、多言語モード、キーワードライブラリは現在WebSocketの直接利用が必要です。
- データとプライバシー
- 重みは非公開で、セルフホストはできません。セルフサービスの音声は米国で処理・保存されます。EU、インド、シンガポールの分離環境はEnterprise限定で、Zero Retention Modeは初期状態で無効です。
- 大規模利用時のコスト
- 年間10,000時間でScribe v3はオプション抜き約$2,000です。無音部分も課金されます。Artificial Analysisでは1,000分あたり$3.33と表示されています。
- 制限
- 同時処理数はFreeのバッチ8件・リアルタイム6件から、ScaleまたはBusinessの60件・45件まで。ファイルの最大長はモデルのページに記載がありません。
良い点
- Artificial Analysisで誤り率1.9%、64モデル中2位
- Scribe v2と同じ料金で、バッチは1時間$0.20、ライブは$0.22
- 最大32人の話者、1,000個のキーワード、音声イベントのタグ
- 移行はモデルIDを1行変えるだけ
気になる点
- Artificial AnalysisではMAI-Transcribe-2より約5倍遅い
- Enterpriseのデータ所在地オプションを買わない限り米国で処理
- 自社のFLEURSの数字は他社と比較できない
- SDKはLiveの発話交代予測とキーワードライブラリにまだ未対応
おすすめの人
多言語の通話、会議、メディアを文字起こしし、料金の変更や新しい統合作業なしで最高水準の精度を求めるプロダクトチーム。
ElevenLabs Scribe v3 and Scribe v3 Liveの代替
ElevenLabs Scribe v3 and Scribe v3 Live:よくある質問
- ElevenLabs Scribe v3 and Scribe v3 Liveは使う価値があるか?
- プレビュー版のモデルを除けば、今月購入できる文字起こしでこれより誤りが少ないものはありません。しかもElevenLabsは値上げしていません。 評価は5点満点中4.6点です。
- ElevenLabs Scribe v3 and Scribe v3 Liveの料金は?
- Scribe v3は音声1時間あたり$0.20(キーワード+$0.05、文字起こし編集+$0.07)、Scribe v3 Liveは1時間$0.22(キーワード+$0.08、編集+$0.12)です。無料プランにも一定の時間が含まれます。
- ElevenLabs Scribe v3 and Scribe v3 Liveの欠点は?
- Artificial AnalysisではMAI-Transcribe-2より約5倍遅い; Enterpriseのデータ所在地オプションを買わない限り米国で処理; 自社のFLEURSの数字は他社と比較できない; SDKはLiveの発話交代 予測とキーワードライブラリにまだ未対応.
- ElevenLabs Scribe v3 and Scribe v3 Liveは誰に向いているか?
- 多言語の通話、会議、メディアを文字起こしし、料金の変更や新しい統合作業なしで最高水準の精度を求めるプロダクトチーム。
- チームや本番環境でElevenLabs Scribe v3 and Scribe v3 Liveを使うと費用はいくらか?
- 年間10,000時間でScribe v3はオプション抜き約$2,000です。無音部分も課金されます。Artificial Analysisでは1,000分あたり$3.33と表示されています。
- ElevenLabs Scribe v3 and Scribe v3 Liveは企業データを扱っても安全か?
- 重みは非公開で、セルフホストはできません。セルフサービスの音声は米国で処理・保存されます。EU、インド、シンガポールの分離環境はEnterprise限定で、Zero Retention Modeは初期状態で無効です。
- ElevenLabs Scribe v3 and Scribe v3 Live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ElevenLabs Scribe v2, MAI-Transcribe-2-Streaming, Voxtral 3 (Transcribe and TTS) 、 AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)です。
回答確認日:2026年11月21日