elevenlabs/scribe-v3/speech-to-textElevenLabs Scribe V3 transcribe audio grabado a texto con tiempos por palabra, detección de idioma y etiquetas de hablante opcionales.
Playground
Salida
Listo para una nueva ejecuciónModelos relacionados y tareas siguientes
¿No está el modelo que buscas?
DE GRABACIÓN A TEXTO
Transcripciones con tiempos por palabra y hablantes en 102 idiomas.
Cifras clave
- Códigos de idioma
- 112
- ElevenLabs Scribe V3 lista 112 códigos de idioma, y una selección vacía se detecta.
- Archivo más largo
- 1 h
- ElevenLabs Scribe V3 acepta una grabación de hasta una hora.
- Mínimo cobrado
- 10s
- ElevenLabs Scribe V3 cobra por segundo de audio, con un mínimo de 10 segundos, y no cobra una solicitud fallida.
- Pistas adicionales
- 100
- ElevenLabs Scribe V3 acepta hasta 100 códigos de idioma adicionales que esperas oír.
- Etiquetas de hablante
- OFF
- ElevenLabs Scribe V3 deja las etiquetas de hablante apagadas hasta que las actives.
- Etiquetas de eventos
- ON
- ElevenLabs Scribe V3 marca sonidos que no son habla, a menos que apagues ese etiquetado.
Lo que hace el modelo
TRANSCRIPCIÓN OBSERVADA
Una nota breve con tiempos por palabra
Nuestra prueba del 18 de noviembre de 2026 utilizó una grabación en inglés de 2.35 segundos. Devolvió “The next step is ready. Please continue.”, el código de idioma eng y los tiempos de inicio y fin de cada palabra y espacio. Usa esos tiempos para encontrar las palabras en la grabación original.

CONTEXTO DE IDIOMA
Indica los idiomas que esperas
Deja vacío el idioma hablado para detectarlo o establece un código compatible si lo conoces. Agrega hasta 100 códigos de otros idiomas esperados como pistas. Configura este contexto para entrevistas, grabaciones de campo y charlas cuyos idiomas puedas anticipar.
PRESENTACIÓN DEL TEXTO
Elige etiquetas, eventos y números

Las etiquetas de hablante comienzan desactivadas y los eventos de audio activados. Ajusta estos controles para una entrevista o un borrador editorial y elige digits o words para los números hablados. Revisa el texto y las etiquetas con la grabación original.
Dónde encaja
Transcripciones de entrevistas para editores
Solicita etiquetas de hablante con diarize al organizar una entrevista grabada por turnos. Revisa las etiquetas con el audio antes de atribuir citas a personas.
Preparación de subtítulos para charlas grabadas
Usa los tiempos por palabra para localizar la voz al preparar subtítulos durante la edición. Nuestra nota en inglés devolvió tiempos de inicio y fin para palabras y espacios; la distribución de los subtítulos y su sincronización final aún requieren revisión editorial.
Contexto de idioma para grabaciones de campo
Si esperas varios idiomas en una grabación, establece el idioma principal y agrega los demás códigos como pistas. Deja vacío el idioma principal cuando quieras detectarlo.
Revisión de cantidades en entrevistas de trabajo
Elige digits para revisar cantidades habladas o words para preparar prosa. El control de formato numérico determina la presentación; vuelve a escuchar las cifras antes de incorporarlas a un informe.
Notas de voz breves sobre avances
Convierte una actualización breve grabada en texto para revisarla junto con el audio. Nuestro clip de 2.35 segundos devolvió “The next step is ready. Please continue.” con el idioma detectado eng y tiempos para cada palabra y espacio.
Referencia del modelo
Referencia de la API de ElevenLabs Scribe V3
Especificaciones de la API de ElevenLabs Scribe V3
- Editor
- ElevenLabs
- Fecha de lanzamiento
- 10 de noviembre de 2026
- Tarea
- Voz grabada a texto
- Entrada obligatoria
- audio_url: una URL de grabación no vacía
- Selección de idioma
- Código ISO 639 de la lista compatible; dejar vacío para detectar
- Pistas de idioma adicionales
- Hasta 100 códigos de idiomas esperados
- Formato de números
- digits o words
- Etiquetas de hablante
- diarize; desactivado por defecto
- Eventos de audio
- tag_audio_events; activado por defecto
- Duración de la grabación
- Hasta una hora
- Facturación
- Por segundo de audio; mínimo de 10 segundos por solicitud; las solicitudes fallidas no generan cargos
- Salida observada
- Clip en inglés de 2.35 segundos; transcripción, código de idioma eng y tiempos de inicio y fin para palabras y espacios
Cómo llamar a la API de ElevenLabs Scribe V3
Prepara la URL de la grabación
Proporciona audio_url para una grabación de hasta una hora. Escucha la fuente para identificar los pasajes, cambios de hablante y números que requerirán atención durante la revisión.
Elige el contexto de idioma
Configura language con un código compatible si conoces el idioma o déjalo vacío para detectarlo. Agrega otros idiomas esperados mediante language_hints, con un código por fila.
Configura la presentación del texto
Activa diarize si necesitas etiquetas de hablante y decide si conservar los eventos de audio. Selecciona digits o words cuando tu proceso editorial requiera un formato numérico uniforme.
Revisa el texto con el audio
Envía la grabación y compara el texto devuelto con la fuente; usa los tiempos por palabra para encontrar pasajes. Verifica los turnos y los números importantes antes de usar la transcripción en una publicación.
En resumen
Convierte una entrevista, charla o nota de voz grabada en texto que puedas revisar junto con la fuente. Elige el contexto de idioma, activa etiquetas de hablante para las conversaciones y decide la presentación de los números y eventos sonoros. Nuestro ejemplo en inglés devolvió las palabras de la nota con un idioma detectado y tiempos para palabras y espacios. Úsalos para encontrar pasajes y luego comprueba las citas y cifras antes de publicar. Las grabaciones pueden durar hasta una hora; calcula el costo con la tarifa por segundo indicada y el mínimo de 10 segundos por solicitud.
Preguntas sobre la API de ElevenLabs Scribe V3
Todos los modelos ElevenLabs7
ElevenLabs Scribe V3ActualVoz a texto$0.0002por segundo de audio de entrada
ElevenLabs Sound Effects V3NuevoTexto a audio$0.0024por segundo de salida
ElevenLabs Audio IsolationAudio a audio$0.0022por segundo de salida
ElevenLabs v4 TurboTexto a voz$0.048por 1.000 caracteres
ElevenLabs v4Texto a voz$0.096por 1.000 caracteres
ElevenLabs Voice ChangerAudio a audio$0.0048por segundo de salida
ElevenLabs DubbingTraducción de video · Audio a audio$0.012por segundo de salida