ElevenLabs für macOS

Über

ElevenLabs bringt Cloud-Sprache-zu-Text über die Scribe-v2-API in TypeWhisper. Im Modus „Automatisch“ streamen Diktate schon während des Sprechens über die Echtzeit-WebSocket-API. TypeWhisper zeigt so Live-Text, und der Endtext steht kurz nach dem Stoppen bereit. Dateien, Scribe v2 Medical und Anfragen, die die vollständige Aufnahme brauchen, gehen an die Batch-REST-API, die auch einspringt, wenn die Streaming-Verbindung scheitert.

Features

• Scribe-v2-Transkriptions-Engine und Scribe v2 Medical für klinische Aufnahmen
• Echtzeit-Streaming mit Live-Text während des Diktats und automatischem REST-Fallback
• Batch-Transkription langer Aufnahmen und Dateien
• Satzsegmente für Untertitel und die lokale HTTP-API, auf dem Mac auch Wortzeitstempel
• Aktive TypeWhisper-Wörterbucheinträge als Erkennungsschlüsselbegriffe
• Breite Mehrsprachen-Unterstützung mit automatischer Spracherkennung
• API-Key-Validierung in der Konfigurationsoberfläche
• API-Schlüssel sicher im macOS-Schlüsselbund oder unter Windows für dein Windows-Konto verschlüsselt gespeichert

Transkriptionsmodelle

Modell	ID
Scribe v2	scribe_v2
Scribe v2 Medical	scribe_v2_medical

Scribe v2 Medical ist auf klinische Aufnahmen abgestimmt und kostet so viel wie Scribe v2. Das Modell transkribiert nur im Batch, ohne Echtzeit-Streaming, und ist ab dem macOS-Add-on 1.1.0 und dem Windows-Add-on 1.2.0 verfügbar. Für Gesundheitsdaten nach HIPAA verlangt ElevenLabs ein Business Associate Agreement, das es Enterprise-Kunden anbietet, und den Zero Retention Mode für die Anfragen. Das Add-on schaltet den Zero Retention Mode nicht ein. Schicke darüber deshalb keine geschützten Gesundheitsdaten.

Konfiguration

• API-Schlüssel - Erstelle einen ElevenLabs-API-Schlüssel in deinem Account-Dashboard. Ein auf Speech to Text beschränkter Schlüssel genügt.
• Modell - Scribe v2 oder Scribe v2 Medical für klinische Aufnahmen.
• Transkriptionsmodus - Automatisch streamt während des Diktats und nutzt Batch-REST für Dateien und als Fallback. Unter Windows schicken auch „Audioereignisse“ oder eine „Sprecherzahl“ ungleich 1 Diktate an Batch-REST, ohne Live-Text. Nur REST (unter Windows: Nach der Aufnahme) verwendet immer die Batch-API, umgeht so die Grenzen für gleichzeitige Echtzeit-Verbindungen und wird zum günstigeren Batch-Tarif abgerechnet.
• Bereinigtes Transkript - Entfernt Füllwörter, Fehlstarts und andere Unflüssigkeiten.
• Audioereignisse - Ergänzt Batch-Transkripte um Geräusche wie Lachen.
• TypeWhisper-Wörterbucheinträge verwenden - Sendet deine aktiven Wörterbucheinträge als Schlüsselbegriffe. ElevenLabs berechnet dafür einen Aufschlag von 20 %. In Echtzeit setzen Schlüsselbegriffe oft das ganze Transkript in Anführungszeichen. Mit Wörterbuchbegriffen ist der Live-Text (unter Windows ab TypeWhisper 1.3) deshalb nur eine Vorschau, und der Endtext kommt mit den Begriffen von der Batch-API. Streamt ElevenLabs die Vorschau, werden solche Diktate für Echtzeit und Batch abgerechnet; mit „Nur REST“, Scribe v2 Medical oder unter Windows vor TypeWhisper 1.3 nur für Batch.

Zeitstempel

Ab dem macOS-Add-on 1.1.0 und TypeWhisper 1.8.2 liefert ElevenLabs die Zeit jedes Wortes. verbose_json-Antworten der lokalen HTTP-API enthalten an Satzenden und Pausen getrennte Segmente und, wenn die Anfrage sie mit timestamp_granularities[]=word anfordert, die Zeiten der einzelnen Wörter. Das hilft bei Untertiteln oder beim Schneiden von O-Tönen aus Interviews.

Ab dem Windows-Add-on 1.2.0 entstehen die Segmente ebenfalls aus den Wortzeitstempeln: Ein Segment endet am Satzende, nach einer Pause von mehr als einer Sekunde oder nach 30 Sekunden. Der SRT- und VTT-Export und die lokale HTTP-API verwenden diese Segmente. Zeiten einzelner Wörter gibt es unter Windows noch nicht.

Einrichtung

1. Öffne in TypeWhisper Einstellungen > Plugins entdecken und installiere ElevenLabs. Das Add-on erscheint danach in der Seitenleiste der Einstellungen, und seine Seite öffnet sich.
2. Gib deinen ElevenLabs-API-Schlüssel ein.
3. Belasse Scribe v2 als Transkriptionsmodell oder wähle Scribe v2 Medical für klinische Aufnahmen.
4. Wähle ElevenLabs als Transkriptions-Engine in den Einstellungen oder in einem Profil.