
ElevenLabs Scribe v3: Zweiter bei AA-WER mit 1,95 %, hinter einer Preview
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 184 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 506 tok/s
- AlibabaNEUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 pro 1 Mio. Tokens · 262 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 94 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 222 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 216 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 108 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Die wichtigste Kennzahl für ElevenLabs Scribe v3 ist eine Wortfehlerrate von 1,95 % – zweiter Platz auf dem AA-WER-v2.2-Non-Streaming-Board von Artificial Analysis, hinter Alibabas Fun-Realtime-ASR-preview mit 1,73 % und vor MAI-Transcribe-2 von Microsoft AI mit 2,04 %. Dieser Satz ist korrekt und zugleich die am wenigsten nützliche Art, das Ergebnis zu lesen, denn 1,95 % ist keine Messung – es ist ein gewichteter Durchschnitt aus drei verschiedenen Testsets, und auf einem davon liegt Scribe v3 überhaupt nicht auf Platz zwei, sondern auf Platz eins – vor dem Modell, das auf der Gesamtliste vor ihm rangiert. ElevenLabs veröffentlichte Scribe v3 am 9. November 2026, ersetzte Scribe v2 im selben API-Aufruf und senkte am 17. November den Preis für jedes Scribe-Modell. Zehn Tage später ist die interessante Frage nicht mehr, ob das Modell gut ist, sondern welcher der drei Zahlen man glauben sollte.
Woraus die 1,95 % tatsächlich bestehen
Artificial Analysis veröffentlicht nicht einen WER pro Modell. Es veröffentlicht einen zusammengesetzten Wert (den AA-WER Index), der aus drei bereinigten Korpora gebildet wird, und jedes Korpus hat ein anderes Fehlermuster: vorgelesene Sprache aus Hörbüchern im LibriVox-Stil, Parlamentsreden aus dem Europäischen Parlament und spontane Earnings Calls mit mehreren Sprecherinnen und Sprechern in Englisch mit Akzent. Sie zu einem einzigen Index zu mitteln ist eine sinnvolle Annehmlichkeit und ein schlechtes Beschaffungsinstrument, denn die drei stufen dieselben Modelle nicht gleich ein.
Hier ist, was das aktuelle Board für die Top vier zeigt, aufgeschlüsselt. Jede Zahl unten stammt von Artificial Analysis selbst und wurde aus dem Daten-Payload des Boards ausgelesen, nicht aus der gerundeten Anzeige:
• Kombinierter AA-WER — Fun-Realtime-ASR-preview 1,73 %, Scribe v3 1,95 %, MAI-Transcribe-2 2,04 %, Scribe v2 2,18 %.
• Das Kern-AA-STT-Set — Scribe v3 1,47 %, Scribe v2 1,51 %, MAI-Transcribe-2 1,83 %, Fun-Realtime-ASR-preview 1,97 %. Scribe v3 gewinnt dieses hier klar, und das Modell, das darüber eingestuft ist, belegt den letzten Platz der vier.
VoxPopuli (Parlamentsdaten) — Fun-Realtime-ASR-preview 1,17 %, MAI-Transcribe-2 1,50 %, Scribe v3 1,52 %, Scribe v2 1,74 %. Scribe v3 liegt hier auf dem dritten Platz, hauchdünn hinter Microsoft.
• Earnings-22 (spontan, mit Akzent, mehrere Sprecher) — Fun-Realtime-ASR-preview 1,80 %, MAI-Transcribe-2 2,99 %, Scribe v3 3,34 %, Scribe v2 3,95 %. Hier kippt die Reihenfolge am deutlichsten: Microsoft schlägt ElevenLabs um 0,35 Punkte, und der 0,09-Punkte-Abstand des Composites verschwindet.

Das Muster ist nicht zufällig. Scribe v3 ist am stärksten bei sauberer Vorlesesprache und am schwächsten bei dem Korpus, der einem echten Meeting ähnelt – sich überlappende Sprecher, Disfluenzen, Telefonbandbreite, Akzente. Das ist auch der Korpus, der für die meisten Unternehmenskäufer tatsächlich relevant ist, weshalb die Rangfolge des Composite und die Erfahrung eines Contact-Centers auseinandergehen können. Wenn es sich bei Ihrem Audio um Podcasts und Studiointerviews handelt, liegt die Zahl von 1,47 % näher an Ihrer Welt als die von 1,95 %. Handelt es sich um Verkaufsgespräche, dann die von 3,34 %.
Das Modell darüber ist eine Vorschau.
Fun-Realtime-ASR-preview belegt den ersten Platz im Gesamtwert – und zwar aufgrund der beiden schwierigsten Korpora statt des leichten. Es läuft außerdem mit einem medianen Geschwindigkeitsfaktor von 20,3 – etwa einem Zwanzigstel der Echtzeit –, was bedeutet, dass eine Stunde Audio etwa drei Minuten dauert, und wird mit 2,82 $ pro 1.000 Minuten gelistet. Scribe v3 transkribiert mit 76,8× Echtzeit für 3,33 $ pro 1.000 Minuten. Der Spitzenreiter ist also langsamer, größtenteils günstiger und trägt einen Namen, der „Preview“ sagt.
Nichts davon macht das Ranking falsch; der Index misst Genauigkeit, nicht Einsatzbereitschaft. Es bedeutet jedoch, dass der Satz „Scribe v3 ist Zweiter“ einen ersten Platz impliziert, den ein Produktionsmodell innehat, und das ist nicht der Fall. Alibabas Eintrag hat kein Veröffentlichungsdatum auf der Übersicht, keine veröffentlichte Aufschlüsselung nach Sprachen und das Wort „preview“ in der Kennung. Ein Team, das in diesem Quartal einen Anbieter auswählt, vergleicht ein ausgeliefertes Produkt mit einem Evaluierungs-Build, und der Abstand von 0,22 Punkten zwischen ihnen ist kleiner als der Unterschied zwischen zwei Korpora innerhalb desselben Index.
v2 bis v3, auf zwei Arten gemessen
Die eigenen Launch-Zahlen von ElevenLabs für Scribe v3 sind eine Reduzierung der Wortfehler um 27 % gegenüber Scribe v2 über 102 Sprachen in einem internen FLEURS-Lauf – von 16,94 % auf 12,38 % –, wobei eine Verbesserung in jeder getesteten Sprache beansprucht wird, plus eine Reduzierung der Diarisierungsfehler um 12 % und um 17 %, wenn drei oder mehr Sprecher anwesend sind. Das sind Herstellerangaben, ermittelt mit der eigenen Version eines öffentlichen Benchmarks des Herstellers, und ElevenLabs ist ungewöhnlich offen darüber, dass seine FLEURS-Mittelung pro Sprache statt auf Korpusebene erfolgt und daher nicht mit veröffentlichten FLEURS-Zahlen vergleichbar ist.
Artificial Analysis zeigt mit seinem eigenen Harness einen kleineren Zuwachs: von 2,18 % auf 1,95 % beim Composite-Wert, etwa 11 % relativ, und von 53,5× auf 76,8× beim Durchsatz. Beide Aussagen können wahr sein. Eine relative Verbesserung von 27 % bei mehrsprachigem FLEURS und eine relative Verbesserung von 11 % bei drei englischen Korpora messen unterschiedliche Dinge, und die Lücke zwischen ihnen ist die nützlichste Tatsache im Launch-Material — sie sagt Ihnen, dass der Gewinn außerhalb englischer Vorlesesprache konzentriert ist, und genau dort sagt der Anbieter, dass er hingeschaut hat.

Der Funktionsunterschied zwischen den beiden Generationen ist geringer, als das Marketing suggeriert. Scribe v3 behält den Funktionsumfang von v2: bis zu 32 Sprecher bei der Diarisierung, 1.000 Schlüsselbegriffe für Batch, Zeitstempel auf Wortebene, Entitätserkennung, Transkriptbearbeitung, Export nach SRT und DOCX. Hinzu kommen eine automatische Sprachermittlung für eine Aufnahme, eine Steuerung des Zahlenformats, sekundäre Sprachcodes und auf der Echtzeitseite eine Bibliothek mit 10.000 Schlüsselbegriffen sowie Turn-Vorhersage. Außerdem fällt etwas weg: Es gibt keinen wörtlichen Modus. Microsofts MAI-Transcribe-2 bietet sowohl wörtliche als auch bereinigte Stile über einen einzigen Schalter, und für Compliance- und QA-Transkripte ist das ein funktionaler Unterschied, kein kosmetischer.
Was der 17. November mit der Arithmetik angestellt hat
Acht Tage nach dem Start senkte ElevenLabs die Preise für Speech to Text durchgängig: 0,20 US-Dollar pro Stunde für Batch-Transkription und 0,22 US-Dollar pro Stunde für Realtime – in Self-Serve- und Business-Tarifen, für jedes Scribe-Modell. Das sind 3,33 US-Dollar und 3,67 US-Dollar pro 1.000 Minuten. Es ist die Zahl, die die Genauigkeitstabelle handlungsrelevant macht, denn zu den alten Preisen war ein Genauigkeitsrückstand von 0,09 Punkten gegenüber Microsoft leicht zu verteidigen, und zu den neuen ist der Preisabstand das gesamte Argument.

Ein Warnhinweis zum Lesen der Preisspalte des Leaderboards: Scribe v3 mit 3,33 $ entspricht genau 0,20 $ pro Stunde, und Scribe v2 mit 3,67 $ entspricht genau 0,22 $ pro Stunde – das sind die Batch- und Echtzeit-Tarife in ElevenLabs' aktueller Liste. Zwei ElevenLabs-Zeilen, die mit zwei verschiedenen SKUs bepreist sind, werden als ein Rabatt von 34 Cent pro Tausend von v2 auf v3 gelesen, den es nicht gibt. Prüfen Sie, was der Tracker erfasst hat, bevor Sie aus einer Ranglistentabelle eine Preisschlussfolgerung ziehen.
Für alle, die die Pipeline hinter dem Transkript aufbauen, sei es klar gesagt: Keines dieser Sprachmodelle – weder Scribe v3 noch MAI-Transcribe-2 – steht auf der Liste von OrcaRouter, und die oben genannten Preise sind die von ElevenLabs und Microsoft, nicht unsere. Was wir routen, ist die Ebene, die das Transkript speist: Meeting-Notizen an das eine Modell, Compliance-Prüfung an ein anderes, alles hinter einem Schlüssel, wobei Listenpreise der Anbieter ohne Aufschlag (0 %) weitergegeben werden und automatisches Failover zwischen Anbietern erfolgt. Das zählt in Sprach-Pipelines mehr als anderswo, denn das Transkript ist der Input, nicht das Produkt, und das Produkt liegt meist drei Modellaufrufe weiter stromabwärts.
Was die nächsten zwei Wochen klären sollten
Zwei Dinge fehlen in diesem Bild, und beide sind vorübergehend. Das erste ist das Streaming-Board. Scribe v3 Live kam zusammen mit dem Batch-Modell auf den Markt, mit einer behaupteten Reduzierung der Wortfehlerrate um 31 % und einer um 43 % niedrigeren semantischen WER als Scribe v2 Realtime über 102 Sprachen hinweg, plus die erste Echtzeit-Diarisierung, die ElevenLabs ausgeliefert hat – 3,1 % Fehler auf dem englischen Teil eines 16-Sprachen-Sets gegenüber 5,9 % bis 7,3 % bei anderen Echtzeitmodellen. Das sind Anbieterzahlen auf einer anbieterabgestimmten Referenz, und das Streaming-Leaderboard hat das Modell noch nicht aufgeführt, daher ist die Behauptung derzeit nicht falsifizierbar statt bestätigt.
Die zweite ist die medizinische Variante Scribe v3 Live Medical, die überhaupt kein API-Modell ist: Sie ist in ElevenAgents beheimatet, befindet sich im Early Access, benötigt das Turn-Modell turn_v3, hat keinen separaten Tarif und trägt eine Dokumentationswarnung, keine geschützten Gesundheitsinformationen zu senden, bis die HIPAA-Berechtigung dafür bestätigt ist. Das medizinische Batch-API-Modell bleibt Scribe v2 Medical. Eine Produktfamilie wurde mit einer Lücke dort eingeführt, wo ihr klinisches Batch-Produkt stehen sollte.
Die ehrliche Ein-Satz-Einschätzung zu Scribe v3 nach zehn Tagen: Es ist das beste Nicht-Streaming-Modell bei sauberer gelesener Sprache, das zweitbeste bei Meetings, das Schnellste, was ElevenLabs je ausgeliefert hat, und – nach dem 17. November – günstig genug, dass das Genauigkeitsargument und das Preisargument endlich in dieselbe Richtung zeigen. Das Einzige, was in der Rangliste darüber steht, ist eine Vorschau, und Vorschauen unterschreiben keine Verträge.
