ElevenLabs 发布强制对齐模型 Cue

ElevenLabs 发布强制对齐模型 Cue，为音频中的每个字符标注精确时间点。该模型已用于 ElevenLabs 的 Scribe 语音转文字流程，并可通过 Forced Alignment API 单独调用，用于字幕、配音和歌词时间轴。 ElevenLabs 称，在 29 种语言的真实录音基准上，Cue 的准确率高于其测试的所有对齐工具：完整录音平均时间误差为 179 毫秒，开源工具为 283 毫秒至 6000 毫秒以上。官方还称，Cue 在生产 GPU 上约半秒即可对齐一小时音频，并支持单次处理任意长度录音；这些均为官方说法，报道未提供第三方复测结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。