Transcripción de reuniones en vivo con ElevenLabs Scribe v2 Realtime
Transmita transcripciones en vivo desde Zoom, Google Meet y Microsoft Teams con ElevenLabs Scribe v2 Realtime (~150ms de latencia): un bot se une a la llamada y su WebSocket recibe texto mientras las personas hablan.
Las transcripciones después de la llamada son el mínimo esperado. Los productos realmente interesantes — subtítulos en vivo, copilotos en la reunión, agentes que responden durante la llamada — necesitan texto mientras las personas hablan. ElevenLabs Scribe v2 Realtime hace speech-to-text en streaming con aproximadamente 150ms de latencia y separación de interlocutores para hasta 32 hablantes en más de 90 idiomas.
La pieza que faltaba es el audio de la reunión en vivo. Un bot de reunión con streaming_config lo proporciona: el bot se sienta en la llamada de Zoom, Google Meet o Microsoft Teams y transmite a su endpoint en tiempo real, con ElevenLabs como motor de transcripción en streaming.
ElevenLabs es el único proveedor de streaming en la oferta de Meeting BaaS: se selecciona para la transcripción en tiempo real, mientras que las transcripciones después de la llamada utilizan Gladia o su propio proveedor por lotes.
Paso 1: Obtenga sus claves
- Meeting BaaS: registro de autoservicio en auth.meetingbaas.com — las primeras 8 horas de grabación son gratuitas.
- ElevenLabs: una API key de su cuenta de ElevenLabs si trae la suya propia.
Paso 2: Envíe un bot con transcripción en vivo
curl -X POST "https://api.meetingbaas.com/v2/bots" \
-H "Content-Type: application/json" \
-H "x-meeting-baas-api-key: $API_KEY" \
-d '{
"meeting_url": "https://us02web.zoom.us/j/1234567890",
"bot_name": "Live Captions Bot",
"streaming_config": {
"mode": "transcription",
"output_url": "wss://your-app.example.com/live-transcript",
"audio_frequency": 24000
},
"transcription_config": {
"provider": "elevenlabs",
"api_key": "'"$ELEVENLABS_API_KEY"'"
}
}'Su WebSocket en output_url recibe el stream de transcripción en vivo mientras se desarrolla la reunión. ¿Prefiere audio sin procesar para ejecutar su propio modelo en streaming? Configure mode en "audio" y obtendrá el audio de la reunión a 16, 24, 32 o 48 kHz.
Paso 3: Construya la experiencia en vivo
Con texto llegando durante la reunión, puede:
- Subtítulos en vivo renderizados en su producto mientras ocurre la llamada
- Copilotos en la reunión que muestran respuestas, documentos o contexto de CRM a medida que surgen los temas
- Cumplimiento en tiempo real con alertas sobre frases reguladas, minutos antes de que finalice la llamada
- Agentes de voz: transmita audio de vuelta a través de
input_urly el bot habla — el ciclo completo para agentes de reunión interactivos
El pipeline estándar continúa ejecutándose en paralelo: grabación completa, transcripción después de la llamada y metadatos por webhook cuando finaliza la reunión.
Cuánto cuesta
El streaming añade 0,10 tokens por hora por dirección sobre la tarifa de grabación de 1 token por hora — una hora de reunión grabada y transcrita en vivo se mantiene por debajo de 1,5 tokens ($0,53–0,75 según el paquete de tokens). El uso de ElevenLabs con su propia key es facturado directamente por ElevenLabs.