ElevenLabs Scribe in italiano: test errori e trascrizione

👁 117 letture

ElevenLabs Scribe è un modello di speech-to-text che trascrive registrazioni in oltre 90 lingue, riconosce gli speaker e marca i suoni. Abbiamo testato come funziona in italiano: abbiamo preparato un’intervista di 66 secondi piena di nomi difficili come Squillacioti e Mastroianni-Abbracciavento, nomi di luoghi e 12 numeri, poi contato le differenze in tre configurazioni di Scribe e in Whisper locale. Più un test su registrazioni con rumore di caffetteria, strada e ventilatore.

Gli importi in EUR sono conversioni indicative dei prezzi pubblicati in USD, calcolate al cambio di riferimento BCE del 2026-10-12: 1 EUR = 1.1181 USD. Non sono prezzi locali confermati né importi finali comprensivi di imposte. Il fornitore e la banca possono applicare altri cambi o commissioni. ECB.

01Voice Isolator ElevenLabs: rimuovere rumore da audioVoice Isolator ElevenLabs rimuove il rumore dalle registrazioni: test con caffè, strada e ventilatore. Misure prima e dopo, campioni e costi.Leggi →02ElevenLabs Dubbing in italiano: test v1 vs v2 su clip 24 sElevenLabs Dubbing traduce video e sostituisce l'audio con voci simili agli speaker originali. Test v1 vs v2 su clip 24 s: tempi, crediti e qualità.Leggi →03Voicebot ElevenLabs Agents: test linea telefonica dentistaHo testato un voicebot in italiano su ElevenLabs Agents: risposte in 0,59-2,28 secondi, 67 parole su 67 riconosciute, costi al minuto e simulazioni con pazienti difficili.Leggi →04Voice Changer ElevenLabs: cambiare voce con AIVoice Changer ElevenLabs cambia la voce su una registrazione mantenendo intonazione e pause. Test su italiano con rumore di fondo e misure.Leggi →05Clonare voce AI ElevenLabs: cloni da 10 s, 30 s e 2 minutiClonare voce AI in ElevenLabs: test di cloni da 10 s, 30 s e 2 minuti di campione, somiglianza all'originale, costi dei piani e regole di consenso.Leggi →

Cosa sa fare Scribe

• Modelli: Scribe v2 per file, Scribe v2 Realtime per parlato in diretta (latenza circa 150 ms secondo la documentazione) e Scribe v2 Medical per registrazioni cliniche. Il vecchio Scribe v1 è marcato come deprecato.
• Italiano: la documentazione lo colloca nel gruppo “Excellent”, cioè con percentuale di parole errate (WER) fino al 5%.
• Funzioni: riconoscimento speaker (fino a 32), timestamp per parola, descrizione di suoni tra parentesi, suggerimenti di parole fino a 1000 voci, rilevamento e mascheramento dati personali, esportazione in sottotitoli, editing della trascrizione con comando in linguaggio naturale.
• Limiti: file fino a 5 GB e 10 ore. Invece del file puoi fornire un link, anche a video YouTube o TikTok.

Il nostro test: intervista con trappole

Abbiamo preparato la registrazione senza persone reali. Due voci ElevenLabs (voce femminile Matilda e maschile Brian) hanno letto con il modello Eleven v4 un’intervista fittizia sull’inaugurazione del Museo dello Scarabeo a Pescasseroli: 66 secondi, 133 parole, 12 numeri (importi, percentuali, orario, numero civico) e nomi che amano far deragliare la trascrizione: Squillacioti, Mastroianni-Abbracciavento, Sangro, Acquedotto, Volta.

Il 29 settembre 2026 l’abbiamo passata attraverso Scribe v2 con lingua italiana e riconoscimento speaker in tre varianti, e per confronto attraverso Whisper large-v3 (faster-whisper, float16 su GPU RTX 4090 e int8 su CPU per il confronto di velocità).

Le differenze automatiche di Scribe v2 base sono: “percento” mancante (ha scritto “62%” invece di “62 percento”) e “chilometri” abbreviato in “km”. Whisper ha aggiunto “Squillaciotti” invece di “Squillacioti”, “a bracciavento” invece di “Abbracciavento” (spezzato), “scarabèi” con accento invece di “scarabei”, oltre alle stesse due di Scribe. Tutte le altre parole, compresi i nomi difficili e i numeri, sono state trascritte correttamente da Scribe.

Numeri: in lettere o in cifre

Per default Scribe scrive i numeri in cifre: “3,48 milioni”, “62%”, “1.250 visitatori”, “18,50 euro”, “9:30”. Solo “nove lingue” è rimasto in lettere. Abbiamo aggiunto il parametro transcript_edit con l’istruzione:

Scrivi tutti i numeri, gli importi, le date, gli orari e i numeri civici in cifre,
ad es. 18,50 euro, 9:30, 1250. Non modificare nient'altro.

Il risultato ha trasformato la data in “14/03/2026”, l’importo in “3.480.000 di euro”, la percentuale in “62,0%”, ha aggiunto decimali a “47,00 specie”, ma ha lasciato “nove lingue” invariato e “km” abbreviato. Il testo corretto arriva in un campo separato edited_transcript, accanto all’originale. È costato 44 crediti invece di 34.

I keyterms possono aiutare

I suggerimenti di parole servono ad aiutare con i nomi propri. Abbiamo dato a Scribe sette voci, tra cui “Squillacioti”, “Mastroianni-Abbracciavento”, “Nitidezza”, “Acquedotto”. Il risultato: il trattino nel cognome doppio è stato preservato (senza keyterms Scribe aveva scritto “Mastroianni Abbracciavento” senza trattino). Tutti gli altri nomi sono rimasti identici. I keyterms si pagano a parte: 0,0447 EUR (0,05 USD) l’ora.

Rumore di fondo

Nel test di Voice Isolator abbiamo usato un monologo sintetico di 25 secondi (75 parole, testato in italiano) e aggiunto rumore di ventilatore, strada e caffetteria, ciascuno forte quanto il parlato (0 dB). Scribe ha trascritto ventilatore e strada senza errori nel file rumoroso; dopo Voice Isolator gli errori sono aumentati (3 per il ventilatore, 1 per la strada). Con il rumore di caffetteria a 0 dB: 3 errori nel file rumoroso, 9 dopo Voice Isolator. A -5 dB (rumore più forte del parlato): 11 errori nel rumoroso, 36 dopo Voice Isolator. Conclusione: prima della trascrizione non pulire l’audio.

Scribe o Whisper

La nostra opinione: se la registrazione può andare nel cloud, Scribe vince per precisione sui nomi, riconoscimento speaker e velocità. Whisper ha senso quando il materiale non può lasciare il computer o trascrivi centinaia di ore e conta il costo zero. Il confronto dei modelli locali è nel testo Whisper AI, e una panoramica di altri strumenti nella guida sulla trascrizione.

Come trascrivere una registrazione con Scribe

Nell’applicazione: Speech to Text, carica il file o incolla un link, scegli la lingua italiana (il rilevamento automatico funziona, ma la scelta manuale è un rischio in meno) e attiva il riconoscimento speaker. La trascrizione finita la scarichi anche come sottotitoli. Via API (testato 29.09.2026):

curl -X POST https://api.elevenlabs.io/v1/speech-to-text 
  -H "xi-api-key: $ELEVENLABS_API_KEY" 
  -F model_id=scribe_v2 -F language_code=it -F diarize=true 
  -F "transcript_edit=Scrivi tutti i numeri, gli importi, le date e gli orari in cifre." 
  -F file=@registrazione.wav

Quanto costa Scribe

Gli header di risposta API ci mostravano il costo direttamente: l’intervista di 66 secondi è costata 34 crediti e 0,0041 USD, con l’editing dei numeri 44 crediti e 0,0053 USD. La trascrizione è disponibile anche nel piano gratuito. I piani li descriviamo nel testo quanto costa ElevenLabs, e le altre funzioni nella guida ElevenLabs.

Domande frequenti

ElevenLabs Scribe riconosce bene l’italiano?

Nel nostro test sì: 133 parole di intervista con nomi difficili e 12 numeri con 2 differenze automatiche di contenuto. La documentazione classifica l’italiano tra le lingue con percentuale di errori fino al 5%.

Quanto costa la trascrizione in ElevenLabs?

Via API 0,1968 EUR (0,22 USD) l’ora di registrazione in Scribe v2, senza IVA. La registrazione di 66 secondi ci è costata 34 crediti.

Come far scrivere i numeri in cifre a Scribe?

Aggiungi il parametro transcript_edit con l’istruzione “Scrivi tutti i numeri, gli importi, le date e gli orari in cifre”. La versione corretta arriva nel campo edited_transcript, con un piccolo supplemento.

Scribe riconosce chi parla?

Sì, attivando diarize separa fino a 32 speaker. Nella nostra intervista ha attribuito tutti i 6 turni alle persone giuste.

Scribe è meglio di Whisper?

Sulla nostra registrazione sì: Scribe ha fatto 2 differenze automatiche, Whisper large-v3 4 su GPU e 5 su CPU, ed è stato 15 volte più lento su GPU e 2 volte più lento su CPU. Whisper però funziona in locale e senza costi.

// continua a leggereEleven v4 test in italiano: numeri, date, abbreviazioniMagazineEleven Music: test con testo in italiano, costi e tempiMagazineElevenLabs Dubbing in italiano: test v1 vs v2 su clip 24 sMagazine

Kinetyra

Il link a ElevenLabs è un link di affiliazione: se acquisti tramite questo link, NITIDO riceve una commissione e tu paghi lo stesso prezzo. Non influisce sui contenuti, nemmeno sulle parti critiche.