ElevenLabs fait progresser son écosystème vocal : Scribe v2 et ElevenAgents Expressive Mode, passant de "parler" à "exprimer"

ElevenLabs continuera de faire progresser son écosystème vocal en 2026. La dernière mise à jour se concentre sur deux axes principaux : la reconnaissance vocale Scribe v2 (STT) et l'amélioration du mode expressif d'ElevenAgents (Expressive Mode), et se superpose à des jalons créatifs tels que Music v2 et Dubbing v2. Cette société, qui se positionne comme « AI Communication Platform », fait progresser la parole de la « génération » à la « compréhension et à la conversation » grâce à la structure à trois niveaux d'ElevenCreative, ElevenAgents et ElevenAPI.

• Scribe v2 (STT) : sorti le 01 2026, a officiellement révélé qu'il avait atteint une précision de 98 % sur plusieurs tests de reconnaissance vocale, compensant ainsi les lacunes de la plateforme du côté de la "compréhension de la parole".
• Mode expressif pour les agents : lancé en 2026-02, permettant aux agents vocaux du service client/entreprise non seulement de « répondre correctement », mais également d'exprimer le ton et les émotions, améliorant ainsi le naturel des conversations homme-machine.
• Double étape du côté créatif : Music v2 et Dubbing v2 seront lancés en 2026-05, améliorant ainsi la génération de musique et les capacités de doublage multilingue dans leur ensemble.
• Structure de produit à trois niveaux formée : ElevenCreative (création), ElevenAgents (session) et ElevenAPI (développeur) partagent le même modèle sous-jacent et le même système d'actifs.

Arrière-plan de la version

L'atout principal de ElevenLabs est le modèle vocal de base, couvrant des fonctionnalités telles que la synthèse vocale, la parole en texte, le clonage vocal, le doublage, la génération de musique, les effets sonores et l'image et la vidéo. Sa lignée de modèles vocaux comprend : Eleven Flash (latence ultra-faible de 75 ms), Eleven Multilingual v2 (haute fidélité), Eleven v3 (haute expressivité) et Scribe v2 (STT, précision de 98 %). L'annotation du site officiel prend en charge plus de 70 langues et plus de 5 000 bibliothèques vocales prédéfinies.

L'objectif principal de la mise à jour en 2026 est de regrouper la « génération de la parole » et la « compréhension de la parole » dans le même lien de produit afin de réduire les incohérences de timbre et les problèmes d'îlot de données causés par l'assemblage de plusieurs fournisseurs dans les entreprises - c'est également une étape clé dans la mise à niveau de « l'outil TTS » vers « l'infrastructure vocale ».

Points forts de cette version

Côté compréhension de la parole : Scribe v2

• Transcription de haute précision : plusieurs tests de référence officiellement divulgués avec une précision de 98 %, couvrant des scénarios multilingues.
• Prend en charge la conversation en boucle fermée : STT et TTS collaborent pour permettre à l'agent vocal d'avoir une boucle fermée complète de « compréhension et réponse » au lieu d'une simple diffusion unidirectionnelle.

Côté session : mode expressif d'ElevenAgents

• Capacité d'expression émotionnelle : l'agent peut ajuster le ton et l'expression émotionnelle en fonction du contexte, améliorant considérablement l'expérience d'écoute dans les scénarios de service client.
• Capacité de configuration commerciale : fournissez des agents de dialogue vocal et textuel configurables et contrôlables pour le service client et les processus commerciaux.

Côté créatif : Musique v2 et Doublage v2

• Musique v2 : la capacité de génération de musique a été mise à niveau dans son ensemble et le lien vers les ressources audio du créateur a été complété.
• Doublage v2 : les capacités de doublage multilingues sont améliorées pour prendre en charge la distribution mondiale de films, de programmes télévisés et de contenus.

Signification pour les développeurs

Pour les développeurs nationaux et les équipes produit, il y a deux points auxquels il convient de prêter attention dans l'évolution écologique d'ElevenLabs. Premièrement, l'agent vocal est en train de devenir un nouvel opérateur pour le service client, les appels sortants et le marketing, et « l'expressivité » est une variable clé qui le distingue de l'IVR traditionnel – des fonctionnalités telles que le mode expressif affectent directement l'acceptation par les utilisateurs du service client IA. Deuxièmement, la solution intégrée de STT + TTS + Agent présente plus d'avantages que « l'assemblage multiple » en termes de cohérence du timbre et de gestion des données, mais il faut également prêter attention aux exigences de conformité et de confidentialité des données vocales.

En comparaison, Whisper du côté open source offre une autre voie vers l'auto-hébergement gratuit sur STT, tandis que la valeur d'ElevenLabs réside dans le regroupement de l'identification, de la génération et des sessions dans des services gérables au niveau de l'entreprise. Les deux conviennent respectivement aux équipes de « pipelines de données auto-construits » et de « lancement rapide ».

Utiliser les suggestions de chemin

• Créateur : commencez avec ElevenCreative pour découvrir le clonage vocal, le doublage et la génération de musique, et vérifier votre flux de production de contenu.
• Service client d'entreprise/appel sortant : évaluez le mode expressif et les capacités de surveillance d'ElevenAgents, et augmentez la capacité après un pilotage avec un faible trafic.
• Développeur : intégrez les capacités TTS/STT/Agent via ElevenAPI et concentrez-vous sur le modèle de coût de sept niveaux d'abonnements (gratuit pour entreprise) et de crédits d'utilisation.

Itinéraires à suivre

1. Couverture du chinois et du dialecte de Scribe v2 : performances mesurées de la qualité de transcription multilingue dans des scénarios de localisation nationaux.
2. Scénarios de mise en œuvre du mode expressif : taux d'adoption et données d'acceptation des utilisateurs dans le service client, le contenu audio et d'autres scénarios.
3. Conformité d'entreprise et sécurité des données : La voie de conformité pour les données vocales utilisées en Chine est une condition préalable essentielle pour déterminer si l'équipe nationale peut y accéder.