音声モデル · 1クレジットから
ElevenLabs Scribe v2で音声や動画をテキストに文字起こしする
Scribe v2はElevenLabsの文字起こしモデルです。録音、インタビュー、ポッドキャスト、動画の音声トラックなどを、90以上の言語でテキストに変換します。各単語にはタイムスタンプが付与されるため、そのまま使える.srt字幕ファイルが得られ、話者も区別されます。会話の場合、発言ごとに番号付きの行として出力されます。笑い声など特徴的な音は、角括弧で記されます。キャンバス上ではAudioノードの文字起こしモードに組み込まれており、生成した音声や動画、インポートしたファイルを接続すると、編集可能なテキストが得られ、それはTextノードのようにプロンプトや言語モデルへと流れていきます。短いクリップの場合は、言語を自動判定に任せるより、指定しておくことをおすすめします。
機能
- 長さ：1–600 s
Imaginodeでの使い方
- 1Audioノードを追加して「テキストに文字起こし」を選択し、音声、動画、またはMediaノードを接続するか、音声ファイルや動画ファイルをインポートしてください。
- 2ElevenLabs Scribe v2に言語を自動検出させるか、ご自身で指定してください。料金は測定された長さに応じて決まり、数分であれば1クレジットです。
- 3実行すると、ノード内にテキストが表示され、編集可能で話者ごとに分かれています。.txtファイルまたは.srt字幕としてダウンロードするか、プロンプトに接続してください。
よくある質問
ElevenLabs Scribe v2を無料で試すことはできますか？
はい。登録するとクレジットカード不要でお試しクレジットが付与されます。プランやチャージを決める前に、ElevenLabs Scribe v2を実際の条件で十分にテストできます。
ElevenLabs Scribe v2を使うために何かインストールが必要ですか？
いいえ。ElevenLabs Scribe v2はサーバー側で動作し、ブラウザだけで使えます。モバイルにも対応。Imaginodeのノードキャンバスが、生成結果を他のモデル（リファレンス、カメラ、スタイル）と何もインストールせずにつなぎます。