跳到主要内容
NAVSMAP
最新资讯

ElevenLabs 介绍 Cue,将字幕与音频对齐到字符级时间轴

ElevenLabs 介绍 Cue,将字幕与音频对齐到字符级时间轴

发生了什么

ElevenLabs 于 2026 年 10 月 28 日介绍语音强制对齐模型 Cue。它接收音频和对应文字,为字符安排时间位置,帮助字幕、转录播放器与声音保持同步。这一任务处理的是文本与声音的时间对应,不是讨论模型价值观的 AI 对齐。

有哪些变化

Cue 已接入 Scribe 转录流程,也能通过 Forced Alignment API 单独使用。官方介绍,它可在一次处理流程中对齐长录音,并面向背景噪声、多人交谈及部分歌曲场景开展评测,应用包括配音和歌词时间标注。

使用与关注

开发者可以从独立 API 接入,或使用现有转录入口。文中速度与精度来自官方指定硬件及数据集,不能直接当作所有录音的性能保证;实际字幕仍需检查专有名词、重叠说话与歌唱内容的时间边界。

字幕制作该先校稿还是先校时

如果已有校对过的访谈稿,需求只是让字幕跟上声音,可优先评估强制对齐;如果连文字都没有,仍需先完成转录。试接时可各选一段清晰独白、多人重叠和带背景音乐的录音,人工标记少量词的起止点,再检查输出偏差。先修正漏字和错字,再判断时间轴质量,能避免把文稿错误误认为对齐错误。这是一套验证顺序,不代表本站已完成精度测试。

官方资料 1。资料核对于 2026-10-31。