品玩1月15日讯，据Quasa 报道，ElevenLabs正式推出Scribe v2 Realtime——一款专为实时场景优化的语音识别模型。该模型支持90余种语言，端到端延迟低至30–150毫秒，适用于AI智能体、实时字幕、翻译及呼叫中心等高动态应用。

Scribe v2 Realtime采用流式优先架构，支持PCM与μ-law等多种音频格式，并具备预测转写、语音活动检测（VAD）、上下文记忆及复杂术语识别等核心能力。在FLEURS多语言基准测试中，其准确率达93.5%，显著优于Google Gemini Flash 2.5、OpenAI GPT-4o Mini等竞品。

该模型已通过ElevenLabs API开放，提供企业级安全合规保障，包括GDPR、HIPAA及SOC 2认证，并支持欧盟数据驻留。定价为每小时音频0.28美元，企业用户可享高并发与专属支持。