使用 ElevenLabs Scribe v2 Realtime 实现会议实时转写

通话后转写已是标配。真正有价值的产品——实时字幕、会议内副驾驶、在通话中回答问题的 agent——需要在人们发言时就获取文本。ElevenLabs 的 Scribe v2 Realtime 可提供流式语音转文字，延迟约 150ms，支持最多 32 位说话人的说话人分离，覆盖 90 余种语言。

缺失的另一半是会议实时音频。带有 streaming_config 的会议 bot 可以提供这一能力：bot 在 Zoom、Google Meet 或 Microsoft Teams 通话中就位，实时将音频流传输到你的 endpoint，并以 ElevenLabs 作为流式转写引擎。

第一步：获取密钥

• Meeting BaaS：在 auth.meetingbaas.com 自助注册——前 8 小时录制免费。
• ElevenLabs：如需自带密钥，请从你的 ElevenLabs 账户获取 API key。

第二步：发送带实时转写功能的 bot

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"'"
           }
         }'

当会议进行时，你在 output_url 的 WebSocket 将接收实时转写流。如果你希望使用原始音频来运行自己的流式模型，可将 mode 设为 "audio"，即可获取 16、24、32 或 48 kHz 的会议音频。

第三步：构建实时体验

文本在会议中途即可到达，你可以：

• 实时字幕：在通话进行时将字幕渲染到你的产品界面
• 会议内副驾驶：随话题展开，即时呈现答案、文档或 CRM 上下文
• 实时合规：在通话结束前数分钟，对受监管的词语进行标记
• 语音 agent：通过 input_url 将音频回传，bot 即可发言——构成交互式会议 agent 的完整闭环

标准流程仍同步运行：会议结束后通过 webhook 提供完整录制、通话后转写及元数据。

费用说明

流式转写在每小时 1 token 的录制费率基础上，每个方向额外增加 0.10 token/小时——一次带实时转写的录制会议，每小时费用低于 1.5 token（约 $0.53–0.75，具体取决于 token 套餐）。使用你自己 API key 的 ElevenLabs 用量，将由 ElevenLabs 直接计费。

后续步骤

• 实时会议转写与流式传输 — 流式 API 页面
• ElevenLabs 会议转写
• 所有转写提供商
• API 文档