
Scribe v3 Live Medical: ElevenLabs creó un transcriptor clínico al que no puedes llamar
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
El dato más interesante sobre Scribe v3 Live Medical es un dato de despliegue, no una cifra de precisión: no hay ID de modelo. ElevenLabs lanzó el modelo, lo documentó, lo evaluó con benchmarks de audio clínico, lo puso ante clientes del sector sanitario y luego cerró la única puerta que usa la mayoría de los desarrolladores. Se ejecuta dentro de ElevenAgents, se selecciona desde un menú desplegable de ASR en la configuración de un agente, y explícitamente no está disponible a través de la API Speech to Text. El modelo de API para audio médico sigue siendo Scribe v2 Medical, un modelo por lotes de septiembre. Así que lo que ElevenLabs anunció el 9 de noviembre de 2026 como parte del lanzamiento de la familia Scribe v3 —Scribe v3 y Scribe v3 Live para audio grabado y en tiempo real, con el ajuste fino médico en tiempo real llegando después en acceso anticipado— se entiende mejor como una función de plataforma con el nombre de un modelo.
Ese planteamiento decide si el lanzamiento te importa. Si estás creando un agente de voz clínico sobre el runtime de agentes de ElevenLabs, el mejor ASR médico en tiempo real que tiene la empresa ahora está a solo un menú desplegable de distancia. Si estás creando ese agente en cualquier otro lugar, este lanzamiento no cambió nada en tus opciones, y el gráfico de benchmark que publicó ElevenLabs es un gráfico sobre un modelo que no puedes alquilar.
Qué se envió realmente y cuándo
El registro de cambios de ElevenLabs sitúa el lanzamiento de la familia el 9 de noviembre de 2026: scribe_v3 para audio grabado, en sustitución de scribe_v2 en el endpoint de transcripción existente, y scribe_v3_live en el WebSocket en tiempo real. Ambas están documentadas como mejoras relativas del 27 % y el 44 %, respectivamente: Scribe v3 reduce la tasa de error de palabras del 16,94 % al 12,38 % en FLEURS, y Scribe v3 Live afirma un WER semántico un 44 % menor que Scribe v2 Realtime. Ninguna de las dos cifras es una cifra médica. Son las cifras de uso general de la familia sobre la que se construye la variante médica.
La variante médica aparece por separado, en la documentación del modelo y en la página de transcripción médica de ElevenLabs, con tres atributos que resultarían inusuales en una publicación de lanzamiento y son normales en una función de plataforma:
{{1}}Disponibilidad — solo en ElevenAgents. No está disponible en la API Speech to Text, no hay ningún ID de modelo que pasar.{{/1}}
• Estado — acceso anticipado, restringido a los espacios de trabajo que lo tienen habilitado, y requiere el turn_v3 como modelo de turnos de la empresa.
• Coste: sin tarifa independiente. ElevenLabs indica que está incluido en el precio estándar de ElevenAgents, con hasta 10.000 términos personalizados sin coste adicional.
En comparación con Scribe v2 Medical, que es un producto de API normal: pasa scribe_v2_medical como ID de modelo, paga $0.20 por hora, la misma tarifa que Scribe v2. El modelo médico v3 no recibió ese trato. Recibió un menú desplegable.

La afirmación que importa es de carácter clínico, sobre un conjunto público pequeño.
El titular de ElevenLabs para Scribe v3 Live Medical no es una cifra de FLEURS. Es PriMock57: 57 consultas simuladas de atención primaria grabadas para investigación, un conjunto pequeño, público y mucho más cercano a la acústica de una llamada clínica real que el habla leída. Sobre ese conjunto, ElevenLabs reporta la tasa de error de palabras más baja entre los modelos en tiempo real que probó: 12,8 % para Scribe v3 Live Medical, frente al 15,5 % de Universal-3.6 Pro Realtime de AssemblyAI en modo médico, el 16,3 % de Oak-1 de Speechmatics, el 17,0 % de Nova-3 Pharma de Deepgram y el 17,2 % de Nova-3 Medical.
Esos son números ejecutados por el proveedor sobre un benchmark seleccionado por el proveedor, y la lectura honesta es limitada: una diferencia de 2,7 puntos con el competidor más cercano en un único conjunto de 57 consultas es una señal real de que un ajuste fino clínico ayuda, y no es una garantía de que el audio telefónico de su clínica de cardiología vaya a seguir la misma clasificación. Nadie fuera de ElevenLabs lo ha reproducido, y el conjunto es lo bastante pequeño como para que la variación por llamada sea mayor que la diferencia.
La revelación más útil está enterrada en las propias preguntas frecuentes de la página de transcripción médica, y es inusualmente franca: los nombres de medicamentos aislados y sin contexto son el caso más difícil para todos los modelos, y el consejo de ElevenLabs es usar keyterm prompting para sesgar el reconocimiento hacia los términos esperados. Eso es una empresa diciéndote dónde termina su ajuste fino. Un nombre de medicamento dentro de una frase —«está tomando metformina 1000 dos veces al día»— es un problema resoluble, y la transcripción de muestra de esa página está construida exactamente con esa forma. Un nombre de medicamento leído por sí solo, como podría hacer alguien que llama cuando se le pide repetir una receta, sigue siendo difícil para todos.

La detección de turnos es la característica que lo convierte en un modelo médico.
La parte de este lanzamiento que cambiará la experiencia de un agente clínico no es la precisión. Es la predicción de turnos. El ASR en streaming de propósito general confirma un segmento de transcripción cuando detecta silencio, y por eso los agentes de voz interrumpen a las personas que leen en voz alta cadenas largas —un ID de miembro, una fecha de nacimiento, un número de teléfono, una dosis deletreada lentamente. El modelo de turnos de Scribe v3 Live Medical usa el contexto de la conversación para decidir cuándo ha terminado realmente quien llama, así que el agente espera las pausas dentro de un ID de miembro en lugar de responder a los primeros tres dígitos.
Ese comportamiento es una propiedad de turn_v3, el modelo acoplado al ASR, y está disponible en Scribe v3 Live de forma general, no solo en el ajuste fino médico. Lo que añade la variante médica es el sesgo de vocabulario que hay detrás: el reconocimiento de los términos clínicos que se estaban destrozando en primer lugar, en más de 90 idiomas, con un modo multilingüe que sigue el ritmo cuando quien llama cambia de idioma a mitad de llamada. ElevenLabs dice que las mejoras de precisión médica se midieron en inglés, francés y alemán, lo cual es una afirmación más limitada que el soporte para más de 90 idiomas y merece mencionarse por separado.
La línea de cumplimiento es la que hay que leer dos veces.
La página de transcripción médica de ElevenLabs dice que ambos modelos son elegibles para HIPAA para clientes Enterprise con un Acuerdo de Asociado Comercial vigente y el Modo de Retención Cero activado, y que, con ZRM activado, la entrada de audio y la salida de transcripción no se conservan después del procesamiento. Su página de documentación para Scribe v3 Live Medical dice algo más firme y menos conveniente: no envíe información de salud protegida a Scribe v3 Live Medical hasta que se confirme la elegibilidad para HIPAA de este modelo, y la residencia de datos en la UE no está disponible durante el acceso anticipado.
Ambas frases están en el propio sitio de ElevenLabs, y no son la misma frase. La lectura conciliadora es que la postura general de cumplimiento en el ámbito sanitario —BAA, ZRM, SOC 2, GDPR— describe la plataforma y el producto médico de disponibilidad general, Scribe v2 Medical, mientras que el modelo en tiempo real de acceso anticipado aún no ha completado su propio trabajo de elegibilidad. Para una entidad cubierta, la advertencia de la documentación es la que prevalece: un modelo de acceso anticipado sin elegibilidad HIPAA confirmada no es un lugar para PHI, independientemente de lo que implique la tabla comparativa de la página de marketing. Eso es un estado temporal, y también es el único hecho con más probabilidades de detener una revisión de cumplimiento este trimestre.
Lo que cuesta, honestamente
Como Scribe v3 Live Medical no tiene un medidor propio, no hay un precio por minuto que cotizar. Las cifras publicadas más cercanas son las que la familia mantiene en la API: Scribe v3 a $0.20 por hora de audio, Scribe v3 Live a $0.22 por hora, el prompting de términos clave a $0.08 por hora en los modelos en tiempo real y a $0.05 por hora en los modelos por lotes. Si quieres un modelo mental de lo que costaría el modelo médico si alguna vez llegara a una API, esas son las tarifas que plausiblemente heredaría, tal como Scribe v2 Medical heredó los $0.20 de Scribe v2.
Lo que realmente pagas hoy es una suscripción a ElevenAgents, que agrupa el ASR con el LLM del agente, la telefonía, la gestión de turnos y las llamadas a herramientas. Es una diferencia real de forma, no solo de cifra: una plataforma de agentes cobra por minuto de conversación, y la conversación incluye los tokens del LLM y la salida de audio, así que la parte correspondiente al transcriptor no se puede separar. Los equipos que modelan costes por minuto de ASR encontrarán opaco este paquete; los equipos que de todos modos iban a montar un agente lo encontrarán más barato que la suma de las partes.
De dónde viene la mitad de razonamiento del agente
Un agente de voz clínico son tres modelos dentro de una gabardina: algo que oye, algo que decide y algo que habla. Scribe v3 Live Medical cubre el primero, y solo dentro de ElevenAgents. El del medio es la parte que puedes enrutar de forma independiente: el modelo que lee la transcripción, verifica una regla de cobertura, redacta la nota o decide que la llamada necesita a una persona. OrcaRouter pone 215 modelos detrás de una sola API con un 0 % de recargo, transfiriendo el precio de lista de cada proveedor sin cambios, de modo que el modelo que razona sobre una transcripción se puede intercambiar, someter a pruebas A/B o conmutar por error sin tocar el tramo de ASR.
Para ser exactos sobre lo que ofrecemos y lo que no: OrcaRouter no aloja Scribe v3 Live Medical, Scribe v3 Live ni ningún modelo de transcripción de ElevenLabs, y ninguna de las tarifas anteriores es nuestra. Lo que enrutamos es la parte del pipeline relativa al LLM — los modelos Claude, Gemini, GPT, Qwen y DeepSeek que un agente clínico llama después de que llegan las palabras. El precio de esos modelos es el del propio proveedor, sin recargo.

¿Quién debería actuar al respecto y quién debería esperar?
Si usas ElevenAgents y atiendes llamadas de pacientes, miembros o proveedores —programación, admisión, solicitudes de reabastecimiento, preguntas sobre beneficios—, el argumento para cambiar el desplegable de ASR es claro. Obtienes sesgo de vocabulario clínico, un modelo de turnos que aguanta las pausas mientras se dictan los ID de miembro y 10.000 términos personalizados, sin una partida adicional en la factura. El gráfico de PriMock57 es del proveedor, pero la dirección de la mejora es la misma que reporta todo proveedor de ASR clínico, y la lista de funciones es lo bastante específica como para probarla.
Si no estás en ElevenAgents, espera. Nada de esto se puede invocar desde tu stack, y el sustituto que ElevenLabs ofrece a través de la API es un modelo por lotes de septiembre: Scribe v2 Medical, 15 % menos errores que Scribe v2 en el conjunto de prueba de Eka Medical ASR, 0,20 USD por hora, con keyterms y diarización incluidos. Para la documentación ambiental que se procesa después de la visita, ese es un producto razonable y es el que cuenta con un caso de cumplimiento confirmado. Para una llamada en vivo, tus opciones siguen siendo los modelos en tiempo real de propósito general, con una lista de frases, y la brecha de precisión que alega el ajuste fino médico.
Lo que hay que observar no es una actualización de benchmark. Es el ID del modelo. Cuando scribe_v3_live_medical aparezca en la referencia de Speech to Text —o cuando la advertencia de acceso anticipado sobre PHI desaparezca de la página de documentación—, esto se convierte en un lanzamiento que un desarrollador ajeno a la plataforma de ElevenLabs puede aprovechar. Hasta entonces, es un argumento contundente para comprar la plataforma, que es presumiblemente el objetivo.
