Transcrição ao Vivo de Reunião com ElevenLabs Scribe v2 Realtime

LLazare Rossillon

Transmita transcrições ao vivo do Zoom, Google Meet e Microsoft Teams com ElevenLabs Scribe v2 Realtime (~150ms de latência): um bot entra na chamada e seu WebSocket recebe texto enquanto as pessoas falam.

Transcrição ao Vivo de Reunião com ElevenLabs Scribe v2 Realtime
August 13, 2026

Transcrições pós-chamada são requisitos básicos. Os produtos mais interessantes — legendas ao vivo, copilots na reunião, agentes que respondem durante a chamada — precisam de texto enquanto as pessoas falam. O ElevenLabs Scribe v2 Realtime realiza speech-to-text em streaming com aproximadamente 150ms de latência e separação de interlocutores para até 32 participantes em mais de 90 idiomas.

A metade que falta é o áudio ao vivo da reunião. Um bot de reunião com streaming_config fornece isso: o bot participa da chamada no Zoom, Google Meet ou Microsoft Teams e transmite para o seu endpoint em tempo real, utilizando o ElevenLabs como mecanismo de transcrição em streaming.

O ElevenLabs é o único provedor de streaming na linha do Meeting BaaS: ele é selecionado para transcrição em tempo real, enquanto as transcrições pós-chamada utilizam o Gladia ou seu próprio provedor em lote.

Passo 1: Obtenha suas chaves

  • Meeting BaaS: cadastro self-serve em auth.meetingbaas.com — primeiras 8 horas de gravação gratuitas.
  • ElevenLabs: uma API key da sua conta ElevenLabs, caso você utilize a sua própria.

Passo 2: Envie um bot com transcrição ao 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"'"
           }
         }'

Seu WebSocket em output_url recebe o stream de transcrição ao vivo enquanto a reunião ocorre. Prefere áudio bruto para executar seu próprio modelo de streaming? Defina mode como "audio" e você receberá o áudio da reunião a 16, 24, 32 ou 48 kHz.

Passo 3: Construa a experiência ao vivo

Com o texto chegando durante a reunião, você pode:

  • Legendas ao vivo exibidas no seu produto enquanto a chamada acontece
  • Copilots na reunião que apresentam respostas, documentos ou contexto de CRM conforme os tópicos surgem
  • Conformidade em tempo real sinalizando termos regulados minutos antes do encerramento da chamada
  • Agentes de voz: transmita áudio de volta através de input_url e o bot fala — o ciclo completo para agentes de reunião interativos

O pipeline padrão continua funcionando em paralelo: gravação completa, transcrição pós-chamada e metadados via webhook após a reunião.

Custos

O streaming adiciona 0,10 tokens por hora por direção, além da taxa de gravação de 1 token por hora — uma hora de reunião gravada com transcrição ao vivo fica abaixo de 1,5 tokens (US$ 0,53–0,75 dependendo do pacote de tokens). O uso do ElevenLabs com sua própria chave é cobrado diretamente pelo ElevenLabs.

Próximos passos

Similar blogstutorial