// AI 新闻 · 2026-10-28 · ElevenLabs Blog
ElevenLabs推出精准语音对齐模型Cue
ElevenLabs于近日发布Cue模型，一种用于语音强制对齐的字符级时间戳技术。该模型可实现任意长度音频在不到一秒内完成对齐，支持超过90种语言，在真实录音场景下表现优于所有测试过的开源工具。其在处理一小时音频时平均误差仅为179毫秒，远低于其他工具的283毫秒至6000毫秒以上。
原文发布 2026-10-28 20:00（北京时间）来源 ElevenLabs Blog自动整理 · 已核对原文
01摘要
Cue作为Scribe语音转写模型的最后一步，为字幕、配音和音乐歌词对齐提供精准时间定位。它能有效应对背景噪音、重叠语音等现实录音中的挑战，在英语背景噪声场景下平均误差仅57毫秒，显著优于其他工具。该模型单次处理能力强大，响应速度快，且无需分段处理长音频，避免了因分块导致的时序累积误差。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- Cue模型实现字符级精准对齐，支持任意长度音频，一小时音频在半秒内完成对齐。
- 在真实录音场景中，其平均时序误差显著低于所有测试开源工具，尤其在背景噪音下表现突出。
- 覆盖超过90种语言，是少数能支持全部29种基准语言的模型之一，且处理速度更快。
- 作为Scribe语音转写流程中的关键环节，Cue为字幕、配音和音乐歌词对齐提供精准时间锚点。
03原文出处
How your transcript knows where each word is spoken
ElevenLabs Blog · 发布于 2026-10-28 20:00（北京时间） · 上方为原标题
05同主题新闻
- Lettuce 用 ElevenLabs Ads Engine 将广告制作时间从一周缩短至45秒2026-10-28 · ElevenLabs Blog
- ElevenLabs与西班牙ALS协会合作提供免费语音恢复服务2026-10-28 · ElevenLabs Blog
- 银行领域对话式AI的应用场景与技术解析2026-10-28 · ElevenLabs Blog
- XREAL AURA无线XR眼镜正式发布2026-10-28 · Google Cloud
- NVIDIA发布多语言语音转写模型Nemotron 3.5 Transcribe2026-10-28 · Hugging Face Blog
- NVIDIA RTX Spark笔记本新增模型与游戏支持2026-10-28 · NVIDIA Newsroom
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 全部 AI 新闻 · 今日