إلفن لابز تخفض أخطاء التفريغ 27% وتضيف تمييز المتحدثين فورياً

الملخص

• أطلقت إلفن لابز نموذجَي Scribe v3 للتسجيلات وScribe v3 Live للصوت الفوري، بأخطاء كلمات أقل 27% و43% من الجيل السابق.
• يضيف النموذج الفوري تمييز المتحدثين لأول مرة بمعدل خطأ 3.1% في الإنجليزية مقابل 5.9% إلى 7.3% للمنافسين المختبرين.
• المحادثة الهاتفية بالذكاء الاصطناعي تصبح أقل مقاطعة وأدق في الأرقام، وهو ما يهم مراكز الاتصال التي تبني وكلاء صوتيين.

خبر

خفّض Scribe v3 الجديد من إلفن لابز أخطاء الكلمات 27% مقارنة بـScribe v2 عبر 102 لغة على معيار FLEURS، بينما خفّض Scribe v3 Live أخطاء التفريغ الفوري 43% مقارنة بـScribe v2 Realtime. وأعلنت الشركة في 10 نوفمبر أن النموذجين متاحان في واجهة ElevenAPI وأصبحا الخيار الافتراضي في تطبيقها، وأن النسخة الفورية باتت تميّز المتحدثين وتتوقع انتهاء دورهم من سياق الحديث.

تفصيل

• الأرقام: تقول الشركة إن معدل خطأ الكلمات الدلالي في Scribe v3 Live أقل 43% من Scribe v2 Realtime، ومعدل خطأ الكلمات التقليدي أقل 31%. وفي النسخة المسجَّلة جاءت أكبر التحسينات في الألمانية 42% والإسبانية 35% والسواحيلية 34%، وفي النسخة الفورية في اليونانية 77% والدانماركية 54% والكرواتية 45% والهندية 36%.
• تمييز المتحدثين: يرتكب Scribe v3 أخطاء تمييز متحدثين أقل 12% من الجيل السابق، و17% في التسجيلات التي تضم ثلاثة متحدثين أو أكثر. أما Scribe v3 Live فيضيف هذه القدرة إلى التفريغ الفوري للمرة الأولى، بمعدل خطأ 3.1% في الإنجليزية، أي أقل 39% من أفضل نموذج فوري منافس اختبرته الشركة.
• توقع الدور: يعتمد النموذج الفوري على سياق المحادثة إلى جانب الصوت لرصد انتهاء المتحدث، فلا يُقطع المتصل الذي يتوقف في منتصف جملته. وهو كاشف الدور نفسه الذي تستخدمه منصة ElevenAgents، وأصبح متاحاً للمطورين في ElevenAPI عبر خيار commitStrategy بقيمة turn_prediction.
• اللغات والتحكم: يغطي النموذجان 102 لغة، ويستدل Scribe v3 على اللغات المحتملة في التسجيل ويخرج الأرقام أرقاماً أو كلمات بحسب الطلب، ويقبل التوجيه بما يصل إلى 1,000 مصطلح مفتاحي. ويضيف Scribe v3 Live وضعاً متعدد اللغات يسمح بالتبديل بين اللغات في منتصف الجملة ومكتبة مصطلحات تضم آلاف المدخلات.
• الإتاحة: أصبح Scribe v3 Live متاحاً فوراً في ElevenAgents، والنموذجان معاً في ElevenAPI بمعرّفَي scribe_v3 وscribe_v3_live، وهما الخيار الافتراضي في تطبيق الشركة. وتطرح الشركة أيضاً نسخة من النموذج الفوري محسّنة للمحادثات الطبية موجهة لفرق الرعاية الصحية داخل ElevenAgents.
• إقامة البيانات والامتثال: يعمل النموذجان في الولايات المتحدة افتراضياً، مع بيئات معزولة في الاتحاد الأوروبي والهند وسنغافورة لمن يشترط إقامة البيانات محلياً. ويحذف وضع عدم الاحتفاظ الصوت والنص فور اكتمال الطلب، والنموذجان مشمولان ببرامج SOC 2 وISO 27001 وPCI DSS المستوى 1، ومؤهلان لـHIPAA مع اتفاقية شريك أعمال، ومتاحان للنشر الخاص.
• نتيجة عميل: في مكالمات حقيقية تعرّف الوكيل الصوتي لشركة الطاقة الهولندية Eneco على الرموز البريدية بشكل صحيح من المحاولة الأولى بنسبة أعلى 40%، وعلى أرقام المنازل بنسبة أعلى 15%. وقال رود هويخسلوت، مدير المنتج الأول في Eneco، إن "من الرائع رؤية نتائج ملموسة في هذه المرحلة المبكرة".
• حدود الإعلان: لم يسمِّ الإعلان العربية بين اللغات التي أورد نسب تحسنها، ولم يحدد الأسعار ولا أرقام زمن الاستجابة للنموذجين. كما لم تذكر الشركة موعداً لطرح النسخة الطبية من Scribe v3 Live، واقتصرت على القول إنها تُطرح لفرق الرعاية الصحية داخل ElevenAgents.

ماذا بعد؟

تطرح الشركة نسخة من Scribe v3 Live مخصصة للمحادثات الطبية داخل ElevenAgents دون موعد محدد، ويُنتظر إعلان الأسعار الذي لم يرافق الإطلاق.

المصدر: elevenlabs