
Scribe v3 Live Medical: ElevenLabs hat einen klinischen Transkribierer gebaut, den man nicht aufrufen kann
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 89 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 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 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
Der interessanteste Fakt über Scribe v3 Live Medical ist eine Deployment-Tatsache, keine Genauigkeitskennzahl: Es gibt keine Modell-ID. ElevenLabs brachte das Modell auf den Markt, dokumentierte es, benchmarkte es mit klinischem Audio, stellte es Healthcare-Kunden vor – und schloss dann die einzige Tür, die die meisten Entwickler nutzen. Es läuft in ElevenAgents, ausgewählt aus einem ASR-Dropdown in den Einstellungen eines Agenten, und ist ausdrücklich nicht über die Speech-to-Text-API verfügbar. Das API-Modell für medizinisches Audio bleibt Scribe v2 Medical, ein Batch-Modell aus September. Was ElevenLabs am 9. November 2026 als Teil des Starts der Scribe-v3-Familie ankündigte – Scribe v3 und Scribe v3 Live für aufgezeichnetes und Echtzeit-Audio, wobei das medizinische Echtzeit-Fine-Tuning anschließend in den Early Access folgte –, versteht man am besten als Plattformfunktion, die den Namen eines Modells trägt.
Diese Einordnung entscheidet darüber, ob die Veröffentlichung für Sie relevant ist. Wenn Sie einen klinischen Sprachagenten auf der Agent-Runtime von ElevenLabs bauen, ist das beste Echtzeit-Medizin-ASR, das das Unternehmen zu bieten hat, jetzt nur einen Dropdown-Klick entfernt. Wenn Sie diesen Agenten woanders bauen, hat diese Veröffentlichung nichts an Ihren Optionen geändert, und das von ElevenLabs veröffentlichte Benchmark-Diagramm ist ein Diagramm über ein Modell, das Sie nicht mieten können.
Was tatsächlich ausgeliefert wurde, und wann
ElevenLabs’ Changelog datiert die Einführung der Familie auf den 9. November 2026: scribe_v3 für aufgezeichnetes Audio, das scribe_v2 am bestehenden Transkriptions-Endpunkt ersetzt, und scribe_v3_live am Echtzeit-WebSocket. Beide sind als relative Verbesserungen von 27 % bzw. 44 % dokumentiert – Scribe v3 senkt die Wortfehlerrate auf FLEURS von 16,94 % auf 12,38 %, und Scribe v3 Live gibt eine um 44 % niedrigere semantische WER an als Scribe v2 Realtime. Keine der beiden Zahlen ist eine medizinische Kennzahl. Es sind die allgemeinen Kennzahlen für die Familie, auf der die medizinische Variante basiert.
Die medizinische Variante erscheint separat, in der Modelldokumentation und auf ElevenLabs’ medizinischer Transkriptionsseite, mit drei Attributen, die in einem Launch-Beitrag ungewöhnlich wären und für eine Plattformfunktion üblich sind:
• Verfügbarkeit — nur ElevenAgents. Nicht in der Speech to Text API verfügbar, keine Modell-ID zum Übergeben.
• Status – Early Access, auf Workspaces beschränkt, die es aktiviert haben, und er erfordert das unternehmenseigene turn_v3-Turn-Modell.
• {{1}}Kosten{{/1}} — kein separater Tarif. ElevenLabs sagt, es ist im Standardpreis von ElevenAgents enthalten, mit bis zu 10.000 benutzerdefinierten Begriffen ohne Aufpreis.
Vergleichen Sie das mit Scribe v2 Medical, einem normalen API-Produkt: Übergeben Sie scribe_v2_medical als Modell-ID, zahlen Sie 0,20 $ pro Stunde, derselbe Tarif wie bei Scribe v2. Das medizinische v3-Modell wurde nicht so behandelt. Es bekam ein Dropdown-Menü.

Die entscheidende Behauptung ist klinischer Natur und bezieht sich auf einen kleinen öffentlichen Datensatz.
ElevenLabs' Schlagzeile für Scribe v3 Live Medical ist keine FLEURS-Zahl. Sie ist PriMock57 – 57 simulierte hausärztliche Konsultationen, die für die Forschung aufgezeichnet wurden; dieses Set ist klein, öffentlich und viel näher an der Akustik eines tatsächlichen klinischen Anrufs als vorgelesene Sprache. Auf diesem Set meldet ElevenLabs die niedrigste Wortfehlerrate unter den von ihm getesteten Echtzeitmodellen: 12,8 % für Scribe v3 Live Medical, gegenüber 15,5 % für AssemblyAI's Universal-3.6 Pro Realtime im Medizinmodus, 16,3 % für Speechmatics Oak-1, 17,0 % für Deepgram Nova-3 Pharma und 17,2 % für Nova-3 Medical.
Das sind vom Anbieter erhobene Zahlen auf einem vom Anbieter ausgewählten Benchmark, und die ehrliche Lesart ist eng begrenzt: Ein Abstand von 2,7 Punkten zum nächsten Wettbewerber in einem einzelnen Datensatz mit 57 Konsultationen ist ein echtes Signal dafür, dass ein klinisches Fine-Tuning hilft, aber keine Garantie dafür, dass das Telefonie-Audio Ihrer kardiologischen Klinik derselben Rangfolge folgen wird. Niemand außerhalb von ElevenLabs hat das reproduziert, und der Datensatz ist so klein, dass die Varianz pro Anruf größer ist als der Abstand.
Die nützlichere Offenlegung steckt in den FAQ der Seite zur medizinischen Transkription selbst, und sie ist ungewöhnlich freimütig: Isolierte Arzneimittelnamen ohne Kontext sind für jedes Modell der schwierigste Fall, und der Rat von ElevenLabs lautet, Keyterm-Prompting zu verwenden, um die Erkennung in Richtung erwarteter Begriffe zu lenken. Das ist ein Unternehmen, das Ihnen sagt, wo sein Fine-Tuning aufhört. Ein Arzneimittelname in einem Satz – „er nimmt Metformin 1000 zweimal täglich“ – ist ein lösbares Problem, und das Beispieltranskript auf dieser Seite ist genau nach diesem Muster aufgebaut. Ein Arzneimittelname, der allein vorgelesen wird, wie ein Anrufer es tun könnte, wenn er gebeten wird, ein Rezept zu wiederholen, bleibt für alle schwierig.

Die Turn-Erkennung ist die Funktion, die es zu einem medizinischen Modell macht.
Der Teil dieses Releases, der verändern wird, wie sich ein klinischer Agent anfühlt, ist nicht die Genauigkeit. Es ist die Turn-Vorhersage. Allgemeine Streaming-ASR schließt ein Transkriptsegment ab, wenn sie Stille erkennt, weshalb Sprachagenten Menschen unterbrechen, die lange Zeichenfolgen vorlesen – eine Mitglieds-ID, ein Geburtsdatum, eine Telefonnummer, eine langsam buchstabierte Dosierungsangabe. Das Turn-Modell von Scribe v3 Live Medical nutzt den Gesprächskontext, um zu entscheiden, wann ein Anrufer tatsächlich fertig ist, sodass der Agent die Pausen innerhalb einer Mitglieds-ID abwartet, statt auf die ersten drei Ziffern zu antworten.
Dieses Verhalten ist eine Eigenschaft des turn_v3-Modells in Kombination mit der ASR und allgemein in Scribe v3 Live verfügbar, nicht nur im medizinischen Fine-Tuning. Was die medizinische Variante hinzufügt, ist die Vokabular-Gewichtung darunter: die Erkennung der klinischen Begriffe, die überhaupt erst verunstaltet wurden, über 90+ Sprachen hinweg, mit einem Mehrsprachigkeitsmodus, der mithält, wenn ein Anrufer mitten im Gespräch die Sprache wechselt. ElevenLabs sagt, die Verbesserungen der medizinischen Genauigkeit wurden in Englisch, Französisch und Deutsch gemessen, was eine engere Aussage ist als die Unterstützung von 90+ Sprachen und es wert ist, separat erwähnt zu werden.
Die Compliance-Zeile ist die, die man zweimal lesen sollte.
Auf der Seite von ElevenLabs zur medizinischen Transkription heißt es, beide Modelle seien für Enterprise-Kunden HIPAA-eligible, sofern ein Business Associate Agreement vorliegt und der Zero Retention Mode aktiviert ist, und dass bei aktiviertem ZRM Audioeingaben und Transkriptausgaben nach der Verarbeitung nicht aufbewahrt werden. Die Dokumentationsseite für Scribe v3 Live Medical sagt etwas Verbindlicheres und weniger Praktisches: Senden Sie keine geschützten Gesundheitsinformationen an Scribe v3 Live Medical, bis die HIPAA-Eligibility für dieses Modell bestätigt ist, und EU-Datenresidenz ist während des Early Access nicht verfügbar.
Beide Sätze stehen auf der eigenen Website von ElevenLabs, und sie sind nicht derselbe Satz. Die zusammengeführte Lesart ist, dass die allgemeine Compliance-Ausrichtung im Gesundheitswesen – BAA, ZRM, SOC 2, DSGVO – die Plattform und das allgemein verfügbare (GA) Medizinprodukt Scribe v2 Medical beschreibt, während das Early-Access-Echtzeitmodell seine eigenen Arbeiten zur Eignungsfeststellung noch nicht abgeschlossen hat. Für eine Covered Entity ist die Warnung in der Dokumentation maßgeblich: Ein Early-Access-Modell ohne bestätigte HIPAA-Eignung ist kein Ort für PHI, unabhängig davon, was die Vergleichstabelle auf der Marketingseite nahelegt. Das ist ein vorübergehender Zustand, und es ist zugleich der einzelne Umstand, der eine Compliance-Prüfung in diesem Quartal am wahrscheinlichsten aufhalten dürfte.
Was es kostet – ehrlich gesagt
Da Scribe v3 Live Medical keinen eigenen Zähler hat, gibt es keinen Preis pro Minute, den man nennen könnte. Die nächstgelegenen veröffentlichten Zahlen sind die, die die Familie in der API führt: Scribe v3 mit $0,20 pro Stunde Audio, Scribe v3 Live mit $0,22 pro Stunde, Keyterm-Prompting mit $0,08 pro Stunde bei den Echtzeitmodellen und $0,05 pro Stunde bei den Batch-Modellen. Wenn Sie eine Vorstellung davon bekommen möchten, was das medizinische Modell kosten würde, falls es jemals eine API erreichen sollte, dann sind das die Tarife, die es plausibel übernehmen würde – so wie Scribe v2 Medical die $0,20 von Scribe v2 übernommen hat.
Was Sie heute tatsächlich bezahlen, ist ein ElevenAgents-Abonnement, das die ASR mit dem LLM des Agenten, Telefonie, Turn-Taking und Tool-Aufrufen bündelt. Das ist ein echter Unterschied in der Form, nicht nur in der Zahl: Eine Agentenplattform berechnet pro Gesprächsminute, und das Gespräch umfasst die LLM-Tokens und die Audioausgabe, sodass der Anteil des Transkriptors nicht separierbar ist. Teams, die Kosten pro ASR-Minute modellieren, werden dieses Bündel als undurchsichtig empfinden; Teams, die ohnehin einen Agenten zusammenstellen wollten, werden es günstiger finden als die Summe der Einzelteile.
Woher die Reasoning-Hälfte des Agenten stammt
Ein klinischer Voice-Agent ist drei Modelle in einem Trenchcoat: etwas, das hört, etwas, das entscheidet, und etwas, das spricht. Scribe v3 Live Medical deckt den ersten Teil ab, und zwar nur innerhalb von ElevenAgents. Der mittlere Teil ist der, den Sie unabhängig routen können – das Modell, das das Transkript liest, eine Deckungsregel prüft, die Notiz entwirft oder entscheidet, dass der Anruf einen Menschen braucht. OrcaRouter bietet 215 Modelle hinter einer API zu 0 % Aufschlag, wobei der Listenpreis jedes Anbieters unverändert weitergegeben wird, sodass das Modell, das ein Transkript auswertet, ausgetauscht, A/B-getestet oder per Failover gewechselt werden kann, ohne den ASR-Zweig anzutasten.
Um genau zu sein, was wir anbieten und was nicht: OrcaRouter hostet weder Scribe v3 Live Medical noch Scribe v3 Live noch irgendein ElevenLabs-Transkriptionsmodell, und keine der oben genannten Preise stammen von uns. Was wir weiterleiten, ist die LLM-Seite der Pipeline — die Claude-, Gemini-, GPT-, Qwen- und DeepSeek-Modelle, die ein klinischer Agent aufruft, nachdem die Wörter eintreffen. Die Preise dafür sind die des jeweiligen Anbieters, ohne Aufschlag.

Wer sollte diesbezüglich handeln, und wer sollte abwarten?
Wenn Sie ElevenAgents nutzen und Anrufe von Patienten, Mitgliedern oder Leistungserbringern annehmen – Terminvereinbarung, Aufnahme, Nachfüllanfragen, Fragen zu Leistungen –, ist die Argumentation für den Wechsel des ASR-Dropdowns eindeutig. Sie erhalten eine Bevorzugung klinischen Vokabulars, ein Turn-Modell, das Mitglieds-IDs abwartet, und 10.000 benutzerdefinierte Begriffe – ohne zusätzliche Kostenposition. Das PriMock57-Diagramm stammt vom Anbieter, aber die Richtung der Verbesserung ist dieselbe, die jeder klinische ASR-Anbieter meldet, und die Funktionsliste ist spezifisch genug, um sie zu testen.
Wenn Sie nicht auf ElevenAgents sind, warten Sie ab. Nichts hier lässt sich aus Ihrem Stack aufrufen, und der Ersatz, den ElevenLabs über die API anbietet, ist ein Batch-Modell von September: Scribe v2 Medical, 15 % weniger Fehler als Scribe v2 auf dem Eka Medical ASR-Testsplit, $0.20 pro Stunde, Keyterms und Diarisierung inklusive. Für Ambient-Dokumentation, die nach dem Besuch verarbeitet wird, ist das ein sinnvolles Produkt, und es ist dasjenige mit einer bestätigten Compliance-Story. Bei einem Live-Anruf bleiben Ihre Optionen die allgemeinen Echtzeitmodelle – mit einer Phrasenliste – und die Genauigkeitslücke, die das medizinische Fine-Tuning beansprucht.
Worauf man achten sollte, ist kein Benchmark-Update. Es ist die Modell-ID. Wenn scribe_v3_live_medical in der Speech-to-Text-Referenz erscheint — oder wenn die Early-Access-Warnung zu PHI von der Dokumentationsseite verschwindet —, wird daraus ein Launch, auf den ein Entwickler außerhalb der Plattform von ElevenLabs reagieren kann. Bis dahin ist es ein starkes Argument dafür, die Plattform zu kaufen, was vermutlich der Punkt ist.
