بطاقة عنوان تحمل النص «Scribe v3 Live Medical مقابل Gemini 3.5 Transcribe Live» مع عنوان فرعي نصه «12.8% و4.00% ليسا الرقم نفسه». أسفلها شريطان أفقيان: الأول معنون بـ«PriMock57 للاستشارات السريرية الوهمية» عند 12.8%، والثاني «Artificial Analysis للكلام العام» عند 4.00%، ويحمل كل شريط علامة المعيار الذي ينتمي إليه، ويفصل بينهما فاصل رأسي متقطع.
Guides & Insights

Scribe v3 Live Medical مقابل Gemini 3.5 Transcribe Live: 12.8% و4.00% ليسا الرقم نفسه

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

ضع نسبة 12.8% الخاصة بـ Scribe v3 Live Medical بجانب نسبة 4.00% الخاصة بـ Gemini 3.5 Transcribe Live، وستبدو مسألة النسخ الصوتي المتدفق محسومة لصالح Google بفارق ثلاثة أضعاف. لكنها ليست كذلك، والسبب هو الشيء الأكثر فائدة في هذه الصفحة: هذان الرقمان قيسا على صوت مختلف، ومن قِبل مؤسستين مختلفتين، ولغرضين مختلفين. نسبة 12.8% هي معدل خطأ الكلمات لدى ElevenLabs على PriMock57 — 57 استشارة رعاية أولية وهمية مسجّلة، مليئة بأسماء الأدوية والجرعات والجمل غير المكتملة. ونسبة 4.00% هي معدل خطأ الكلمات في النسخ الصوتي المتدفق لدى Artificial Analysis لـ Gemini 3.5 Transcribe Live على إطار اختبار الكلام العام الخاص بها، بزمن 0.40 ثانية للوصول إلى نص نهائي. الأول استشارة سريرية؛ والآخر مجموعة اختبارات معيارية. ومقارنتهما هي الخطأ نفسه الذي ترتكبه عند مقارنة استهلاك وقود سيارة على حلبة سباق باستهلاك وقودها في زحام المدينة ثم الاستنتاج أن المحرك تغيّر.

أزِل المقارنة المباشرة الزائفة، وسيتبقى خيار حقيقي، وهو يتعلق بالنشر لا بالدقة. Gemini 3.5 Transcribe Live نموذج تستدعيه: gemini-3.5-transcribe-live، نقطة نهاية WebSocket بسعر معلن لكل دقيقة، وطبقة مجانية، وسقف جلسة عشر دقائق. Scribe v3 Live Medical نموذج لا يمكنك استدعاؤه إطلاقًا — فهو موجود فقط كخيار ASR داخل ElevenAgents، في الوصول المبكر، بلا معرّف نموذج ولا سعر خاص به. أحدهما بنية تحتية. والآخر ميزة في منصة وكيل. أيّهما تريد يعتمد على ما إذا كنت تبني أداة نسخ أم تشتري وكيل هاتف.

ما ينشره كل طرف في الواقع

التباين في المواصفات، بُعداً ببُعد، كما يوردها كل مورّد:

• الوصول — Gemini 3.5 Transcribe Live هو نقطة نهاية WebSocket ضمن Live API (gemini-3.5-transcribe-live) مع طبقة مجانية؛ لا يمكن اختيار Scribe v3 Live Medical إلا في إعدادات التعرّف التلقائي على الكلام في وكيل ElevenAgents، وليس عبر واجهة Speech to Text API.

• السعر — تبلغ تكلفة Gemini 3.5 Transcribe Live ‏3.50 دولارات لكل مليون رمز إدخال صوتي و21.00 دولارًا لكل مليون رمز إخراج نصي، وهو ما تقدّر Google أنه يعادل 0.005 دولار و0.004 دولار في الدقيقة على الترتيب، أي نحو 0.009 دولار في الدقيقة بشكل مُجمَّع؛ ولا يوجد لـ Scribe v3 Live Medical سعر منفصل، إذ إنه مشمول في تسعير ElevenAgents.

• الدقة — Gemini: معدل خطأ كلمات (WER) للبث 4.00% عند 0.40 ثانية حتى النتيجة النهائية، وفقًا لـ Artificial Analysis؛ Scribe: 12.8% WER على PriMock57، بتشغيل المورّد، مقابل 15.5%–17.2% لأربعة نماذج تنافسية في الوقت الفعلي.

• تكييف المجال — Gemini: توجيه المفردات المخصصة على نظير المعالجة الدفعية، مع فصل المتحدثين وطوابع زمنية للكلمات موضحة على بطاقة Gemini 3.5 Transcribe؛ Scribe: ضبط دقيق سريري إضافةً إلى ما يصل إلى 10,000 مصطلح مخصص دون تكلفة إضافية.

• اللغات — Gemini: أكثر من 85 لغة مع التبديل في منتصف البث؛ Scribe: أكثر من 90 لغة، مع مكاسب طبية مقاسة بالإنجليزية والفرنسية والألمانية.

• شكل الجلسة — Gemini: جلسة WebSocket بحد أقصى عشر دقائق؛ Scribe: تدوم طوال مدة محادثة الوكيل.

• الامتثال — Gemini: لم نعثر على أي تموضع طبي أو متعلق بـ HIPAA في وثائق النموذج؛ Scribe: مؤهل لـ HIPAA مع BAA وZero Retention Mode، مع تحذير صريح بعدم إرسال PHI إلى نموذج الوصول المبكر في الوقت الفعلي إلى أن يتم تأكيد أهليته الخاصة.

صفّان من تلك الصفوف يحسمان معظم القرارات الواقعية، وليس أيٌّ منهما الدقة. الحد الأقصى البالغ عشر دقائق مسألة معمارية: يجب تجميع الجلسة لأي مدة أطول من استبيان مركز اتصال، وخط الوصل هذا مشكلتك. وغياب سعر لنموذج ElevenLabs هو الآخر: لا يمكنك وضعه في قائمة تسعير، لأنه داخل اشتراك يفوتر أيضًا نموذج اللغة الكبير والاتصالات الهاتفية والصوت.

A two-column scoreboard titled 'Scribe v3 Live Medical vs Gemini 3.5 Transcribe Live — the scoreboard', with the rows Access (ElevenAgents only vs Live API WebSocket), Price (bundled, no ASR rate vs about $0.009 per minute), Accuracy (12.8% PriMock57 vs 4.00% AA streaming WER), Adaptation (clinical fine-tune, 10,000 terms vs custom vocabulary biasing), Languages (90+ vs 85+) and Session (length of the agent call vs 10-minute cap), and a footer reading 'ElevenLabs figures vendor-run on PriMock57; Gemini figures per Artificial Analysis.'

تحويل صف الدقة إلى شيء يمكنك استخدامه

هناك طريقة مشروعة لمقارنة هذين الاثنين، وهي تتطلب تشغيلهما، وهذا بالضبط ما وُجدت الرسوم البيانية التسويقية لتُعفيك منه. أما ما يمكن قوله استنادًا إلى الأدلة المنشورة فهو أضيق من ذلك:

في المحادثات السريرية تحديدًا، لدى ElevenLabs رقم مقيس، بينما لا تملكه Google. وهذا لا يعني الادعاء بأن Gemini 3.5 Transcribe Live سيئ في أسماء الأدوية، بل يعني الادعاء بأنه لم ينشر أحد رقمًا مكافئًا لـ PriMock57 الخاص به. إن آلية المفردات المخصصة لدى Google هي الأداة التي تقدمها لهذه المشكلة تحديدًا، وانحياز المفردات في النموذج الدفعي موثّق؛ أما على نقطة النهاية Live فإن التوثيق أرقّ مما هو عليه في نظيرها الدفعي، كما أن ميزتي فصل المتحدثين والطوابع الزمنية للكلمات الموصوفتين في بطاقة Gemini 3.5 Transcribe المشتركة غير مؤكدتين صراحةً لكل نقطة نهاية.

في الصوت الحواري العام، لدى Google رقم منشور بشكل مستقل، ولدى ElevenLabs رقم تديره الجهة المورّدة. تأتي نسبة 4.00% من متتبِّع ذي إطار اختبار ثابت وعشرات النماذج؛ وتأتي نسبة 12.8% من مجموعة واحدة من 57 استشارة اختارتها ElevenLabs وشغّلتها. كلاهما مفيد. ولا يصمد أيٌّ منهما عند طرح أحدهما من الآخر.

النسخة العملية: إذا كان عبء عملك يتمثل في مكالمات سريرية، فاستعِر عيّنة بنمط PriMock57 من تسجيلاتك الخاصة — متحدثان، وقائمة أدوية حقيقية في الغرفة، ومتصل واحد على الأقل يقرأ رقم عضوية — وشغِّل كليهما. أما إذا كان الأمر يتعلق بنسخ streaming لأغراض عامة مع قليل من المصطلحات المتخصصة، فإن رقم Google المنشور هو نقطة البداية الأكثر قابلية للتدقيق، وترجيح المفردات لديه سيحمل معظم العبء الخاص بالمجال.

The Artificial Analysis Speech to Text leaderboard, showing the heading 'Speech to Text AI Model & Provider Leaderboard' with the subtitle 'Compare word error rate, speed, and pricing across Speech to Text models and providers', the chart label 'AA-WER Index (Non-streaming)', and a grid of model bars with percentage labels.

الفرق السريري يكمن في التوقفات، لا في الكلمات

الميزة التي طوّرتها ElevenLabs ولا تصفها وثائق Google هي التنبؤ بانتهاء الدور. يستخدم نموذج تناوب الأدوار في Scribe v3 Live Medical سياق المحادثة بدلًا من الصمت وحده لتحديد أن المتصل قد انتهى، وهو الفرق بين وكيل يجيب بعد «معرّف العضو الخاص بي هو 4-4-2» وآخر ينتظر الرقم الأخير. أمثلة ElevenLabs نفسها هي بالضبط السلاسل النصية التي تكسر كشف نقطة النهاية المعتمد على الصمت: معرّفات الأعضاء، وتواريخ الميلاد، وأرقام الهواتف، والجرعات المكتوبة بالحروف.

يدفع Gemini 3.5 Transcribe Live المشكلة نفسها طبقةً واحدة إلى أعلى في المكدس. تصفه وثائقه بأنه نموذج نسخ متدفق ثنائي الاتجاه؛ أما تحديد موضع انتهاء الدور فيقرره أي إطار عمل للوكيل يقع فوقه، كما أن طرح Google لوكيل الصوت يمر عبر معالجة الأدوار الخاصة بـ Live API نفسها بدلاً من نموذج أدوار مخصص للنسخ. هذه بنية جيدة تمامًا، وهي بنية مختلفة: فأنت تملك منطق تحديد نقاط النهاية، وستضبطه. وفي مكالمة سريرية يتوقف فيها المريض في منتصف وصف الأعراض ليفكر، لا يكون هذا الضبط شكليًا.

مقارنة التكاليف، بصدق

إن عدّاد Google شفاف بما يكفي لبناء رقم عليه. خذ عيادة تُجري 40 ساعة من المكالمات المباشرة يوميًا، على مدى 22 يومًا في الشهر: أي 52,800 دقيقة. وبالسعر التقديري المدمج البالغ 0.009 دولار للدقيقة، يبلغ ذلك نحو 475 دولارًا شهريًا لجزء النسخ، وهو بند يمكنك توقعه وتحديد سقف له والجدال بشأنه عند التجديد.

لا يُنتج جانب ElevenLabs رقمًا قابلًا للمقارنة، وأي شخص يستشهد برقم من هذا القبيل فإنه يخمّن. أقرب مرجع منشور هو قائمة أسعار API — Scribe v3 Live بسعر 0.22 دولارًا في الساعة، والتلقين بالمصطلحات المفتاحية بسعر 0.08 دولار في الساعة — لكن Scribe v3 Live Medical لا يُباع بهذه الطريقة. فهو داخل ElevenAgents، ويُسعّر لكل دقيقة محادثة، والمحادثة تشمل رموز LLM وتوليف الكلام والاتصالات الهاتفية. هذا التجميع إما خصم أو ارتباط إلزامي بالمورّد، حسب ما كنت ستجمعه لولا ذلك، ولا يمكن حسمه من صفحة أسعار.

أمر واحد ينتقل فعلاً: إذا انتهى بك المطاف إلى تشغيل الاثنين معًا — Google للنسخ النصي، ونموذج لغوي كبير من اختيارك للاستدلال — فإن المرحلة الثانية هي حيث تُتخذ قرارات التوجيه. يقدّم OrcaRouter 215 نموذجًا خلف واجهة برمجية واحدة متوافقة مع OpenAI دون أي هامش ربح، مع تمرير أسعار المورّدين المعلنة دون تغيير، لذا يمكن استبدال النموذج الذي يقرأ النص المنسوخ من Gemini أو التبديل إلى بديل عند التعطّل دون المساس بشيفرة ASR. نحن لا نقدّم أيًّا من نموذجي النسخ على هذه الصفحة، ولا شيء مما ورد أعلاه يمثّل سعرنا.

A section of the OrcaRouter site headed 'Zero markup. Zero black boxes.', with the line 'You pay each provider their exact list price. We add $0 per token' and further text explaining that cached and repeated prompt tokens bill at the provider's own cache rate and that cached_tokens appears on every receipt.

أيّ واحد تختار

اختر Gemini 3.5 Transcribe Live إذا كنت تبني المنتج بدلًا من شرائه. فهو الوحيد بين الاثنين الذي يُعد نموذجًا قابلًا للاستدعاء بسعر منشور، وطبقة مجانية للتقييم، ونقطة نهاية يمكنك وضعها خلف حلقة الوكيل الخاصة بك. ويمثل الحد الأقصى لمدة الجلسة البالغة عشر دقائق القيد الذي يجب أن تُصمم حوله، بينما يمثل غياب معيار سريري الفجوة التي يجب سدها باستخدام الصوت الخاص بك وقائمة مفردات مخصصة.

اختر Scribe v3 Live Medical إذا كنت قد قررت بالفعل أن الوكيل مشكلة ElevenLabs — وإذا كان موقف الامتثال لديك يسمح بنموذج وصول مبكر، وهو ما تقول الوثائق حاليًا إنه لا يسمح به، فيما يخص PHI، إلى أن تُؤكَّد الأهلية. يُعد الضبط الدقيق السريري ونموذج تناوب الأدوار ميزتين حقيقيتين في مكالمة مريض مباشرة، كما أن فجوة PriMock57 أمام النماذج الفورية المنافسة هي أقوى دليل منشور على أن التكيّف السريري مفيد على الإطلاق. لكنه ببساطة ليس دليلًا بشأن Gemini، وGemini ليس دليلًا بشأنه.

الرقم الذي ينبغي متابعته ليس أيًّا من قيمتي WER. بل هو ما إذا كان Scribe v3 Live Medical سيحصل يومًا ما على مُعرّف نموذج خاص به. وفي اليوم الذي يحدث فيه ذلك، تصبح هذه المقارنة مقارنة عادية — نقطتا نهاية قابلتان للاستدعاء، ومقياسان، ومعيار واحد يمكنك تشغيله — ويصبح الـ12.8% شيئًا يستطيع المشتري التحقق منه فعليًا.

مقارنات في هذه المقالة1

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا