プレイグラウンド
出力
実行待ち関連モデルと次のステップ
お探しのモデルが見つかりませんか?
録音音声の文字起こし
102 言語に対応し、単語単位の時刻と話者ラベルを出力します。
主なスペック
- 言語コード
- 112
- ElevenLabs Scribe V3は言語コードを112件載せ、空のままなら検出します。
- 最長のファイル
- 1 h
- ElevenLabs Scribe V3は最長1時間の録音を受け付けます。
- 最低請求
- 10s
- ElevenLabs Scribe V3は音声の秒ごとに請求し、最低10秒からで、失敗したリクエストは課金しません。
- 追加のヒント
- 100
- ElevenLabs Scribe V3は聞こえそうな言語コードを追加で100件まで受け付けます。
- 話者ラベル
- OFF
- ElevenLabs Scribe V3は有効にするまで話者ラベルをオフのままにします。
- イベントタグ
- ON
- ElevenLabs Scribe V3はタグ付けをオフにしない限り、話し声以外の音をマークします。
できること
検証で得た文字起こし
単語の時刻を伴う短いメモ
2026年11月18日の検証では2.35秒の英語録音を使用しました。「The next step is ready. Please continue.」という本文、言語コードeng、各単語と空白の開始・終了時刻が返されました。これらの時刻を使って、元の録音から該当する語句を探せます。

言語の条件
想定される言語を指定する
発話言語を自動検出する場合は空欄にし、分かる場合は対応するコードを設定します。他に想定される言語コードをヒントとして100件まで追加できます。インタビューや現地録音、講演など、含まれる言語を予測できる場合に設定してください。
文字起こしの表記
ラベル、イベント、数値を選ぶ

既定では話者ラベルはオフ、音声イベントのタグ付けはオンです。インタビューの文字起こしや編集原稿に合わせて変更し、発話中の数値にはdigitsまたはwordsを選びます。返された本文とラベルは元の録音と照合してください。
活用シーン
編集者向けのインタビュー文字起こし
録音したインタビューを発言ごとに整理する際は、diarizeで話者ラベルをリクエストします。引用を人物に紐づける前に、音声とラベルを照合してください。
録音済み講演の字幕準備
編集作業で字幕を作成する際、単語ごとの時刻から発話箇所を探せます。検証した英語メモでは単語と空白の開始・終了時刻が返されましたが、字幕の配置と最終的な表示時刻は編集時の確認が必要です。
現地録音の言語設定
複数言語が含まれると想定される録音では、主な発話言語を設定し、他の言語コードをヒントとして追加します。主な言語を自動検出したい場合は空欄にします。
業務インタビューの数量確認
数量を確認するときはdigits、文章に整えるときはwordsを選びます。数値表記の設定は表示形式を決めるものです。報告書に転記する前に音声で数値を確認してください。
短い進捗の音声メモ
短い進捗報告の録音をテキストにし、音声と並べて確認できます。2.35秒の検証用音声では「The next step is ready. Please continue.」が返され、検出言語engと各単語・空白の時刻が含まれていました。
モデルリファレンス
ElevenLabs Scribe V3 API リファレンス
ElevenLabs Scribe V3 API の仕様
- 公開元
- ElevenLabs
- 公開日
- 2026年11月10日
- タスク
- 録音音声の文字起こし
- 必須入力
- audio_url: 空でない録音URL
- 言語の選択
- 対応リスト内のISO 639コード。空欄で自動検出
- 追加の言語ヒント
- 想定される言語コードを100件まで
- 数値の表記
- digitsまたはwords
- 話者ラベル
- diarize。既定ではオフ
- 音声イベントのタグ
- tag_audio_events。既定ではオン
- 録音の長さ
- 1時間まで
- 課金
- 音声の秒数に応じた課金。1リクエストあたり最低10秒分。失敗したリクエストは課金なし
- 検証で得た出力
- 2.35秒の英語音声。文字起こし、言語コードeng、単語と空白の開始・終了時刻
ElevenLabs Scribe V3 API の呼び出し方
録音のURLを用意する
1時間までの録音のURLをaudio_urlに指定します。元音声を聞き、確認時に注意すべき箇所、話者の交代、数値を把握しておきます。
言語の条件を選ぶ
発話言語が分かる場合は対応するコードをlanguageに設定し、自動検出する場合は空欄にします。他に想定される言語はlanguage_hintsに1行1コードで追加します。
文字起こしの表記を設定する
話者ラベルが必要な場合はdiarizeを有効にし、音声イベントのタグを残すかどうかを決めます。編集作業で数値の表記をそろえたい場合はdigitsまたはwordsを選びます。
音声と本文を照合する
録音を送信したら、単語ごとの時刻を使って該当箇所を探し、返された文言を元音声と比較します。公開用の原稿に使う前に、話者の切り替わりと重要な数値を確認してください。
モデルの概要
録音したインタビューや講演、音声メモを、元音声と並べて確認できるテキストに変換できます。言語の条件を選び、会話には話者ラベルを有効にして、数値と音声イベントの表記を決めてください。英語の検証例では、メモの本文と検出言語、単語と空白の時刻が返されました。その時刻を手がかりに該当箇所を探し、公開前に引用と数値を確認します。録音は1時間まで対応します。表示される秒単価と1リクエストあたり10秒分の最低料金を使って費用を見積もってください。
ElevenLabs Scribe V3 API のよくある質問
ElevenLabs のすべてのモデル7
ElevenLabs Scribe V3表示中音声からテキスト$0.0002入力音声の秒あたり
ElevenLabs Sound Effects V3新着テキストからオーディオ$0.0024出力秒あたり
ElevenLabs Audio Isolation音声から音声$0.0022出力秒あたり
ElevenLabs v4 Turboテキストから音声$0.0481,000 文字あたり
ElevenLabs v4テキストから音声$0.0961,000 文字あたり
ElevenLabs Voice Changer音声から音声$0.0048出力秒あたり
ElevenLabs Dubbing動画翻訳 · 音声から音声$0.012出力秒あたり