
Scribe v3 Live Medical مقابل MAI Transcribe 2 Streaming: واحد فقط له سعر
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 89 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 97 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 88 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 134 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 لكل مليون رمز · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855الذكاء
ضع Scribe v3 Live Medical وMAI-Transcribe-2-Streaming جنبًا إلى جنب، وأول فرق ليس الدقة أو زمن الاستجابة أو عدد اللغات. بل إن أحدهما منتج والآخر ميزة. لدى MAI-Transcribe-2-Streaming سلسلة طراز تمررها إلى واجهة API، وسعر منشور، وحالة معاينة، وأربع مناطق Azure محددة بالاسم، ومسارَي تكامل موثقين. ولدى Scribe v3 Live Medical قائمة منسدلة في إعدادات وكيل ElevenAgents، وبوابة وصول مبكر، ولا سعر خاص به لأنه مدمج في اشتراك. أطلقت Microsoft أداة نسخ؛ وأطلقت ElevenLabs قدرة داخل منصة تبيعها هي أيضًا.
هذا التفاوت يجعل مقارنة الدقة أقل أجزاء هذه الصفحة فائدة، ومقارنة الشراء أكثرها فائدة. ومع ذلك، تستحق الأرقام أن تُذكر، لأن أرقام مايكروسوفت هي الأكثر جسارةً: معدل خطأ كلمات مُعلن بنسبة 2.5% في البث المباشر عند 0.13 ثانية للوصول إلى نص نهائي، مقابل 12.8% لـ ElevenLabs في الاستشارات السريرية التجريبية. هذان الرقمان يفصل بينهما خمسة أضعاف ولا يصفان شيئًا مشتركًا تقريبًا، وهذا بالضبط ما يجعل هذه المواجهة تحتاج إلى عناية لا إلى حكم.
ما الذي أصدرته مايكروسوفت فعليًا
MAI-Transcribe-2-Streaming هو الرفيق الفوري لـ MAI-Transcribe-2، النموذج الدفعي الداخلي التابع لـ Microsoft AI. وصل في 1 أكتوبر 2026 ضمن معاينة عامة، بعد نحو شهر من إصدار النموذج الدفعي، ويُقدَّم عبر حزمة الكلام في Azure بدلاً من نقطة نهاية منفصلة للذكاء الاصطناعي. يوجد مسارَان موثّقان للتكامل: WebSocket متوافق مع OpenAI Realtime، وAzure Speech SDK، الذي يتولى إدارة الاتصال وإعادة المحاولات وبث الصوت نيابة عنك. يعيد كلاهما نتائج وسيطة تُحدَّث في الموضع نفسه، ونتائج نهائية تؤكِّد كل مقطع.
الادعاءات التي تعلّقها Microsoft عليه، والموسومة بادعاءات المورّد لأنها كذلك بالفعل: الأول في الدقة على النصوص النهائية والجزئية معًا في تقييم البث لدى Artificial Analysis، بمعدل خطأ في الكلمات قدره 2.5% مع جاهزية النص النهائي بعد 0.13 ثانية من انتهاء الكلام و2.5% على أول نص جزئي عند 0.12 ثانية. التحفظ المهم، الذي شاركه إطلاق الدفعة: لم يضع المتتبع هذا النموذج كصف. فـ Microsoft تزعم نتيجة وفق منهجية طرف ثالث، لا تستشهد بقياس منشور لطرف ثالث. كان المتصدر الفعلي للبث على اللوحة وقت الصياغة هو Grok Voice Transcribe 2.0 بنسبة 2.73% و0.49 ثانية.
كل ما عدا ذلك بشأنه عادي وموثّق جيدًا: {{1}}60 لغة مع اكتشاف تلقائي ومستمر للغة، والتبديل اللغوي للأزواج المدمجة مثل Hinglish وSpanglish، وادعاءات مقاومة الضوضاء، والتوفر في Sweden Central وCentral US وEast US 2 وSoutheast Asia{{/1}}. إخلاء المسؤولية الخاص بالمعاينة هو الصياغة القياسية في Azure — لا توجد اتفاقية على مستوى الخدمة، ولا يُوصى باستخدامه لأحمال العمل الإنتاجية.

ما الذي أطلقته ElevenLabs، ولماذا ينتمي إلى فئة مختلفة
يقع Scribe v3 Live Medical ضمن عائلة Scribe v3 التي أُطلقت في 9 نوفمبر 2026، وهو العضو الطبي للوقت الفعلي فيها. توثيق ElevenLabs لا لبس فيه بشأن الحدود: فهو متاح في ElevenAgents فقط، وغير متاح عبر Speech to Text API، وإذا كنت تريد نسخًا طبيًا عبر API فينبغي أن تستخدم Scribe v2 Medical — النموذج الدفعي، بسعر $0.20 في الساعة، وهو منتج عادي له مُعرّف نموذج.
تترتب على ذلك ثلاث عواقب، وهي أهم من أي رقم WER:
• لا يمكنك تسعيره. فهو مشمول في تسعير ElevenAgents القياسي، الذي يفوتر حسب دقيقة المحادثة ويجمع ASR مع نموذج اللغة الكبير (LLM) للوكيل والاتصالات الهاتفية وتركيب الكلام واستدعاءات الأدوات. لا يوجد سعر منفصل لـ ASR، لذا لا يوجد رقم لوضعه في جدول مقارنة.
• لا يمكنك قياس أدائه بنفسك خارج المنصة. الرقم الوحيد المنشور هو تشغيل ElevenLabs الخاص على PriMock57 — 57 استشارة رعاية أولية وهمية — حيث سجّل 12.8% مقابل 15.5% لـ AssemblyAI Universal-3.6 Pro Realtime في الوضع الطبي، و16.3% لـ Speechmatics Oak-1، و17.0% لـ Deepgram Nova-3 Pharma و17.2% لـ Nova-3 Medical.
• لا يمكنك إرسال معلومات PHI إليه بعد. تقول الوثائق بوضوح: لا ترسل معلومات صحية محمية إلى Scribe v3 Live Medical حتى يتم تأكيد الأهلية بموجب HIPAA، كما أن إقامة البيانات في الاتحاد الأوروبي غير متاحة خلال الوصول المبكر. وهذا بيان أكثر حزماً من العبارة العامة المؤهلة لـ HIPAA على صفحة التسويق، وهو البيان الذي سيقرأه مسؤول الامتثال.

2.5% مقابل 12.8% ليست فجوة بخمسة أضعاف.
يبدو أنه كذلك. لكنه ليس كذلك، لثلاثة أسباب، وكلٌّ منها يمثل نوعًا مختلفًا من مشكلات القياس.
المدونات اللغوية مختلفة. أداة القياس الخاصة بالبث من Artificial Analysis تقيس الكلام العام عبر لغات وظروف كثيرة؛ أما PriMock57 فهي 57 استشارة محاكاة لطبيب عام يناقش فيها شخصان الأعراض والوصفات الطبية ونتائج الاختبارات. الاستشارات السريرية أصعب بالنسبة لكل نموذج — يُظهر مخطط ElevenLabs الخاص أربعة محركات آنية متنافسة متقاربة بين 15.5% و17.2% عليها، بما في ذلك نموذجان صُمّما خصيصًا للصوت الطبي. إن نتيجة 12.8% على تلك المجموعة نتيجة قوية؛ أما 2.5% على مجموعة عامة فهو إنجاز مختلف.
الظروف مختلفة. رقم مايكروسوفت ادعاء بشأن منهجية طرف ثالث، وليس صفًا ينشره ذلك الطرف الثالث. أما رقم ElevenLabs فهو تشغيل أجرته جهة بائعة على مجموعة عامة اختارتها الجهة البائعة. ولا أيٌّ منهما قياس يمكنك أن تحتج به مقابل الآخر دون تشغيل كليهما على الصوت نفسه، ولم يفعل أحد ذلك.
تختلف المهمتان اختلافًا مهمًا سريريًا. نموذج Microsoft هو مُفرّغ نصي عام مع ترجيح للكلمات المفتاحية وحالة استخدام موثّقة للملاحظات السريرية؛ وهو ليس مُضبَّطًا ضبطًا دقيقًا على أسماء الأدوية. أما نموذج ElevenLabs فهو نسخة مُضبَّطة ضبطًا دقيقًا من Scribe v3 Live موجّهة إلى تلك المفردات تحديدًا. في اختبار عام نظيف، يُتوقع أن يفوز النموذج العام. أما في «يتناول ميتفورمين 1000 مرتين يوميًا، وإمباغليفلوزين 10، وأتورفاستاتين 40» — السطر النموذجي في الصفحة الطبية لـ ElevenLabs — فإن النسخة المُضبَّطة ضبطًا دقيقًا هي التي لديها سبب لتكون أفضل، والنموذج العام هو الذي يعتمد على قائمة عباراته.
الفرق في زمن الاستجابة هو الفرق الحقيقي.
إن 0.13 ثانية لدى Microsoft للوصول إلى نص نهائي هي الرقم الذي ينبغي أن يقلق المنافس، لأنه من النوع الذي يمكن بناء منصة عليه. وتحت نحو 0.2 ثانية، يبدو نص الترجمة المصاحبة متزامنًا مع الكلام؛ أما ثلث الثانية فيبدو فيه النص وكأنه يلاحق المتحدث. ولا تنشر ElevenLabs زمن استجابة للنسخة الطبية، بل فقط أنها تطابق Scribe v3 Live، التي تُظهر مقارنة عائلتها انخفاضًا بنسبة 44% في معدل خطأ الكلمات الدلالي مقارنةً بـ Scribe v2 Realtime — وهو نموذج توثّق ElevenLabs زمنه الوسيط للوصول إلى نص مُثبّت بنحو 150 مللي ثانية. لذا فإن القراءة المعقولة هي أن كليهما يقعان في النطاق نفسه الأقل من ربع ثانية، وأن الفارق غير محسوس لشخص يقرأ مع النص.
حيث يظهر الفرق فعلاً هو تحديد نقاط النهاية، وهنا لدى ElevenLabs القصة الأكثر تحديدًا. يستخدم توقع الدور لديها سياق المحادثة ليقرر ما إذا كان المتصل قد انتهى، لذا ينتظر الوكيل طوال فترات التوقف داخل رقم عضوية أو تاريخ ميلاد بدلاً من الرد على أول ثلاثة أرقام. المكافئ لدى Microsoft هو الكشف المتقدم عن نهاية الدور في Voice Live API، وهو خاصية في طبقة الوكيل وليس في الناسخ. كلاهما يحلها. أحدهما يحلها داخل منتج ASR والآخر يحلها على طبقة أعلى، وإذا كنت تجمّع حلقة وكيل خاصة بك، فإن الطبقة تهم.
التكلفة، جنبًا إلى جنب، مع تحديد الثقوب.
• Microsoft — إن 0.54 دولار لكل ساعة صوتية هو السعر التمهيدي لـ MAI-Transcribe-2-Streaming، دون الكشف عن سعر قياسي؛ وقد طبّقت Microsoft هذه البنية من قبل، وكان سعر الطلب المبكر لنموذج الدُفعات محدودًا زمنيًا صراحةً.
• ElevenLabs — لا يوجد معدل ASR لـ Scribe v3 Live Medical. وتبلغ الأسعار المرجعية لعائلة المنتجات على API 0.22 دولار في الساعة لـ Scribe v3 Live و0.08 دولار في الساعة لـ realtime keyterm prompting، أما منتج API الطبي Scribe v2 Medical فسعره 0.20 دولار في الساعة على نقطة نهاية batch.
• على نطاق واسع — تبلغ تكلفة 10,000 دقيقة من الصوت المتدفق نحو 90 دولارًا وفق السعر التمهيدي لدى Microsoft، ويتعذر تحديدها كميًا في تسعير منصة ElevenLabs، حيث تُحتسب أيضًا هذه العشرة آلاف دقيقة نفسها مقابل رموز LLM والاتصالات الهاتفية والصوت.
• مفردات مخصصة — قائمة العبارات من Microsoft هي معامل طلب لا توجد له تكلفة إضافية معلنة؛ وتضمّن ElevenLabs حتى 10,000 مصطلح مخصص دون تكلفة إضافية في ElevenAgents، وتحتسب 0.08 دولار لكل ساعة مقابل المصطلحات الأساسية في الوقت الفعلي على نماذج API.
يستحق هذا الزوج الأخير التوقف عنده، لأن 10,000 مصطلح ليس رقمًا تسويقيًا مستديرًا — فهو يقارب حجم قائمة أدوية نظام صحي متوسط الحجم مضافًا إليها سجل مقدمي الرعاية فيه. إذا كانت مشكلة المفردات السريرية لديك كبيرة، فإن ميزانية المصطلحات ميزة حقيقية، وقائمة عبارات Microsoft، الموثقة كتلميحات بدلًا من مخرجات مفروضة، آلية مختلفة بأنماط فشل مختلفة.
أين تندرج طبقة الاستدلال
لا يقرر أي من هذين النموذجين أي شيء. يأخذ وكيل صوتي سريري النص المكتوب وينفّذ به إجراءً ما — يتحقق من قاعدة تغطية، أو يصوغ ملاحظة، أو يقرر ما إذا كان ينبغي تحويل الحالة إلى ممرضة — وتلك الخطوة عبارة عن استدعاء منفصل لنموذج له ميزانية زمن استجابة خاصة به. في خط معالجة فوري، غالبًا ما يكون الوقت الذي يستغرقه النموذج الاستدلالي حتى أول رمز مساهمًا أكبر في التأخير المدرَك من 0.13 أو 0.15 ثانية الخاصة بمحرك النسخ.
ذلك الجزء هو حيث يثبت الموجّه جدارته. يقدّم OrcaRouter 215 نموذجًا خلف واجهة API واحدة متوافقة مع OpenAI وبدون هامش ربح (0%)، مع تمرير أسعار القائمة لدى المزوّدين كما هي دون تغيير، ومع تحويل تلقائي عند الفشل بين المزوّدين — لذا يمكن استبدال النموذج الذي يستدل على نص المحادثة بنموذج أسرع، أو التحويل التلقائي عند الفشل في منتصف الاستدعاء، دون المساس بتكامل Azure أو ElevenLabs. نحن لا نقدّم Scribe v3 Live Medical أو MAI-Transcribe-2-Streaming؛ يبقى مسار النسخ الصوتي كما هو في المكان الذي اشتريته منه.

الحكم، مصاغًا في صورة قرار شرائي
اختر MAI-Transcribe-2-Streaming إذا كنت بحاجة إلى ناسخ صوتي يمكنك استدعاؤه وتسعيره وإدراجه في بطاقة أسعار. فهو الوحيد من بين الاثنين الذي يُعد نموذجًا لا ميزة منصة، وهو موثّق حتى مستوى المنطقة وSDK، وزوج الدقة والكمون المعلن لديه هو أقوى موضع منشور في التعرف على الكلام بالبث الآن — مع التحفظ بأن الادعاء ادعاء Microsoft وأن اللجنة لم تضعه على مخطط. ابنِ على الإصدار التجريبي بالحذر المعتاد: لا توجد اتفاقية مستوى خدمة، وسعر تقديمي سيتغير.
اختر Scribe v3 Live Medical إذا كنت تشتري وكيلًا، لا مُفرِّغًا صوتيًا — فإذا كان نظام الهاتف وتناوب الأدوار والصوت وضوابط الحماية ستكون كلها من ElevenLabs على أي حال، فإن ضبطًا دقيقًا سريريًا داخل تلك المنظومة يستحق أكثر من معدل خطأ كلمات WER عام أفضل سيكون عليك دمجه بنفسك. اختبره على تسجيلاتك الخاصة أولًا، ولا تُمرِّر أي PHI عبره حتى تكفّ الوثائق عن تحذيرك من عدم فعل ذلك.
إذا كنت مترددًا حقًا، فإن كلمة الفصل ليست على موقع أيٍّ من المورّدين: شغِّل عشرين مكالمة من مكالماتك الخاصة عبر كلا الخيارين، وأحصِ الأخطاء التي كانت ستُغيّر قرارًا سريريًا بدلًا من الأخطاء الإجمالية، وقارن ذلك العدد بما يكلّفك كل خيار شهريًا، بما في ذلك الأجزاء التي كان سيتعيّن عليك بناؤها لولا ذلك. في ذلك الاختبار سيكون كلٌّ من 2.5% و12.8% خاطئًا، وقد ينقلب الترتيب رأسًا على عقب.
