ElevenLabs hat am 10. November 2026 zwei neue Modelle für die Umwandlung von Sprache in Text vorgestellt. Scribe v3 transkribiert Aufnahmen, Scribe v3 Live arbeitet in Echtzeit. Beide laufen in der ElevenLabs-App jetzt als Standardmodell.
Für Deutsch beziffert der Hersteller die Verbesserung gegenüber Scribe v2 auf 42 Prozent weniger Wortfehler. Gemessen wurde an einer internen Fassung des FLEURS-Benchmarks, der kurze, saubere Lesesprache prüft. Verrauschte Interviews deckt dieser Test nicht ab.
Was verbessert Scribe v3 gegenüber Scribe v2?
Über alle 102 Sprachen liefert Scribe v3 laut ElevenLabs 27 Prozent weniger Wortfehler als der Vorgänger. Die Sprecherzuordnung (Diarisierung), also die Frage, wer was gesagt hat, zeigt 12 Prozent weniger Fehler, bei Aufnahmen mit drei oder mehr Stimmen sogar 17 Prozent. Neu sind außerdem Keyterms: Bis zu 1.000 Begriffe wie Markennamen, Abkürzungen oder Fachwörter gibst du dem Modell vorab mit. Formatierungsregeln schreibst du in einfachen englischen Sätzen, etwa „write every date as YYYY-MM-DD“, und Zahlen gibt das Modell wahlweise als Ziffern oder als Wörter aus.
Scribe v3 in Zahlen
Angaben von ElevenLabs im Vergleich zu Scribe v2, vorgestellt am 10. November 2026
- 42 %weniger Wortfehler im Deutschen
- 27 %weniger Wortfehler über 102 Sprachen
- 17 %weniger Fehler bei der Sprecherzuordnung ab drei Stimmen
- 1.000Fachbegriffe, die du vorab mitgibst
Der Wert für Deutsch stammt aus kurzer, sauberer Lesesprache, nicht aus verrauschten Aufnahmen.
Quelle: ElevenLabs
Scribe v3 Live liefert laut dem ElevenLabs-Beitrag 43 Prozent weniger Fehler als Scribe v2 Realtime, die den Sinn verändern (semantische Fehler). Zum ersten Mal erkennt das Modell auch in Echtzeit, wer gerade spricht. Die Sprecherverwechslungen liegen laut ElevenLabs 39 Prozent unter denen des nächstbesten Echtzeitmodells im Test. Ob ein Sprecher ausgeredet hat, erkennt das Modell am Gesprächskontext und nicht allein an Stille.
Was kostet Scribe v3, und wo werden die Daten verarbeitet?
Über die API rechnet ElevenLabs laut der Preisseite pro Stunde Audio ab. Scribe v3 Live kostet dabei zehn Prozent mehr als Scribe v3. Keyterms und Formatierungsregeln, die den Text nachträglich bearbeiten, berechnet der Anbieter zusätzlich. Die Beträge nennt die Seite in US-Dollar, einen Euro-Preis gibt es nicht. Bestehende Integrationen stellst du mit der Modell-ID scribe_v3 oder scribe_v3_live um.
Standardmäßig laufen beide Modelle in den USA. Getrennte Umgebungen in der EU, in Indien und in Singapur bietet ElevenLabs Unternehmen mit Anforderungen an den Datenstandort an. Der Zero Retention Mode, ein Modus ohne Speicherung, löscht Audio und Text, sobald eine Anfrage abgeschlossen ist. Ob Einzelpersonen die EU-Umgebung nutzen können, beantwortet der Beitrag nicht. Preise für die App-Tarife nennt er ebenfalls nicht.
Was das für dich bedeutet
Transkribierst du Interviews, Podcasts oder Untertitel, probier Scribe v3 am besten mit einer deutschen Aufnahme, an der dein bisheriges Werkzeug gescheitert ist. Trag Produktnamen und Eigennamen vorab als Keyterms ein und vergleiche beide Fassungen Wort für Wort. Die 42 Prozent stammen aus sauberer Lesesprache, deine Aufnahmen mit Hall oder Nebengeräuschen können anders ausfallen.
Verarbeitest du Aufnahmen von Kunden, klär vor dem Einsatz, ob der Auftrag eine Verarbeitung in der EU verlangt. Standard sind die USA, und die EU-Umgebung nennt ElevenLabs nur für Unternehmenskunden.
Rechne vorab mit deinen Stunden an Material, denn Keyterms und Formatierungsregeln erhöhen den Stundenpreis. Unsere Einschätzung: Ein Vergleichstest mit eigenem Material lohnt sich, bevor du dich auf ein Modell festlegst.
ElevenLabs hat Scribe v3 und Scribe v3 Live am 10. November 2026 vorgestellt.
Quellen
