ElevenLabs 详解带时间戳与事件标记的音频转写如何工作

ElevenLabs 的 Scribe 采用原生词级转写模型，单次 API 调用即可输出带时间戳的结构化 token 数组，每个 token 标记为 word、spacing 或 audio_event 三类，可识别笑声、掌声等非语音事件。