ElevenLabs Scribe v2 登顶：2026 语音转文字（STT）性能评测，Whisper 跌落神坛？

AI工具5个月前更新 sodaer

在 AI 语音领域，ElevenLabs 一直是合成语音的代名词。然而，随着 2026 年最新 AA-WER 2.0 (Artificial Analysis Word Error Rate) 评测基准的发布，ElevenLabs 证明了它在“听力”方面同样具备统治力。此次评测中，ElevenLabs 最新的 Scribe v2 模型成功登顶，超越了 Google 和 OpenAI 的同类产品。

一、评测背景：什么是 AA-WER 2.0？

AA-WER 2.0 是由权威机构 Artificial Analysis 发布的语音转文字（Speech-to-Text, STT）基准测试。它通过对多种复杂场景下的音频进行转录，计算词错误率（Word Error Rate, WER）来评估模型的准确性。WER 越低，意味着模型转录的文字越精准。

ElevenLabs Scribe v2 评测表现 — ElevenLabs Scribe v2 在整体排名中位列第一

二、核心数据：ElevenLabs 与巨头的对决

在整体排名中，ElevenLabs Scribe v2 以 2.3% 的词错误率遥遥领先。以下是各主流模型的详细表现：

ElevenLabs Scribe v2: 2.3% (冠军)
Google Gemini 3 Pro: 2.9%
Mistral Voxtral Small: 3.0%
Google Gemini 3 Flash: 3.1%
ElevenLabs Scribe v1: 3.2%
OpenAI Whisper Large v3: 4.2%

令人惊讶的是，曾经作为行业标杆的 OpenAI Whisper Large v3 在此次评测中仅排在中间位置（4.2%），与第一名差距明显。这意味着在追求极致准确度的商业应用中，Whisper 可能不再是首选。

三、惊喜发现：Google Gemini 的全能表现

Google 的表现同样值得关注。Gemini 3 Pro 以 2.9% 的错误率位列第二。最关键的一点是，Google 并没有专门为转录任务对 Gemini 进行大量训练，其强大的表现主要得益于其通用的多模态能力。这预示着未来顶级大模型（LLM）可能会通过其通用的逻辑理解能力，在特定工具领域实现“降维打击”。

四、AgentTalk 测试：AI 助理的未来

针对语音助手等交互场景，Artificial Analysis 还进行了专门的 AA-AgentTalk 测试。结果显示，ElevenLabs Scribe v2 和 Gemini 3 Pro 依然优势明显，错误率分别仅为 1.6% 和 1.7%。这对于开发 AI 智能家居、车载系统的开发者来说，提供了极具参考价值的数据。