ElevenLabs 推出强制对齐模型 Cue，支持 90 多种语言单次处理任意长度音频

ElevenLabs 推出强制对齐模型 Cue，可将音频中每个字符定位到精确时间线，并已用于 Scribe 语音转文字模型家族。官方称 Cue 在 29 种语言的基准测试中优于所有被测对齐工具，完整录音的平均时间误差为 179 毫秒，开源工具为 283 毫秒至 6000 毫秒以上；在生产 GPU 上对齐一小时音频约需半秒。