כרטיס כותרת עם הכיתוב 'Scribe v3: שני במקום 1.95%' וכותרת משנה 'מדד AA-WER ללא סטרימינג, נובמבר 2026', לצד פודיום תלת-עמודי המסומן 1.73% בתצוגה מקדימה, 1.95% Scribe v3 בכסף עם הדגש חם, ו-2.04%, מעל כותרת תחתונה עם הכיתוב 'נתונים לפי Artificial Analysis, AA-WER v2.2'.
Guides & Insights

ElevenLabs Scribe v3: מקום שני ב-AA-WER עם 1.95%, אחרי גרסת תצוגה מקדימה

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

הנתון הבולט של ElevenLabs Scribe v3 הוא שיעור שגיאות מילים של 1.95%, מקום שני בלוח ה-non-streaming של AA-WER v2.2 מבית Artificial Analysis, אחרי Fun-Realtime-ASR-preview של Alibaba עם 1.73% ולפני MAI-Transcribe-2 של Microsoft AI עם 2.04%. המשפט הזה מדויק, והוא גם הדרך הכי פחות שימושית לקרוא את התוצאה, מפני ש-1.95% אינו מדידה — אלא ממוצע משוקלל של שלושה מערכי בדיקה שונים, ובאחד מהם Scribe v3 בכלל לא במקום השני. הוא במקום הראשון, לפני המודל שמדורג גבוה ממנו. ElevenLabs השיקה את Scribe v3 ב-9 בנובמבר 2026, החליפה את Scribe v2 באותה קריאת API, והורידה את המחיר של כל מודל Scribe ב-17 בנובמבר. כעבור עשרה ימים, השאלה המעניינת אינה עוד אם המודל טוב. היא לאיזה משלושת המספרים כדאי להאמין.

ממה ה-1.95% באמת מורכב

Artificial Analysis אינה מפרסמת ערך WER אחד לכל מודל. היא מפרסמת מדד מורכב (AA-WER Index) שנבנה משלושה קורפוסים מטוהרים, ולכל קורפוס מצב כשל שונה: דיבור מקריאה מתוך ספרי שמע בסגנון LibriVox, דיבור פרלמנטרי מהפרלמנט האירופי, ושיחות תוצאות עסקיות ספונטניות מרובות דוברים באנגלית עם מבטא. חישוב הממוצע שלהם למדד יחיד הוא נוחות סבירה וכלי רכש גרוע, מפני שהשלושה אינם מדרגים את אותם מודלים באותו אופן.

הנה מה שהלוח הנוכחי מציג עבור ארבעת המובילים, בפירוט. כל נתון להלן הוא של Artificial Analysis עצמה, שנקרא ממטען הנתונים של הלוח ולא מהתצוגה המעוגלת:

• AA-WER משולב — Fun-Realtime-ASR-preview ‎1.73%, Scribe v3 ‎1.95%, MAI-Transcribe-2 ‎2.04%, Scribe v2 ‎2.18%.

• סט ה-AA-STT המרכזי — Scribe v3 1.47%, Scribe v2 1.51%, MAI-Transcribe-2 1.83%, Fun-Realtime-ASR-preview 1.97%. Scribe v3 מנצח כאן באופן מוחלט, והמודל שדורג מעליו מסיים אחרון מבין הארבעה.

• VoxPopuli (פרלמנטרי) — Fun-Realtime-ASR-preview 1.17%, MAI-Transcribe-2 1.50%, Scribe v3 1.52%, Scribe v2 1.74%. Scribe v3 נמצא כאן במקום השלישי, בפער זעום אחרי מיקרוסופט.

• Earnings-22 (ספונטני, עם מבטא, מרובה דוברים) — Fun-Realtime-ASR-preview 1.80%, MAI-Transcribe-2 2.99%, Scribe v3 3.34%, Scribe v2 3.95%. כאן סדר הדירוג מתהפך בצורה החזקה ביותר: Microsoft גוברת על ElevenLabs ב־0.35 נקודות, והפער של 0.09 נקודות של המדד המשולב נעלם.

Bar chart titled 'The 1.95% is an average of four different rankings', showing word error rate for Scribe v3, Scribe v2, MAI-Transcribe-2 and Fun-Realtime-ASR-preview across four corpora — composite, core AA-STT, VoxPopuli and Earnings-22 — with Scribe v3 highlighted in blue at 1.95%, 1.47%, 1.52% and 3.34% and a footer crediting Artificial Analysis AA-WER v2.2, read 20 November 2026.

התבנית אינה אקראית. Scribe v3 הוא החזק ביותר בדיבור קריא ונקי, והחלש ביותר במאגר שדומה לפגישה אמיתית — דוברים החופפים זה לזה, אי-שטף בדיבור, רוחב פס טלפוני, מבטאים. זהו גם המאגר שרוב הקונים הארגוניים באמת אכפת להם ממנו, ולכן ייתכן שסדר הדירוג של המדד המשולב והחוויה במוקד טלפוני יתפצלו. אם האודיו שלכם הוא פודקאסטים וראיונות אולפן, נתון 1.47% קרוב יותר לעולם שלכם מאשר 1.95%. אם מדובר בשיחות מכירה, הנתון הוא 3.34%.

המודל שמעליו הוא תצוגה מקדימה

Fun-Realtime-ASR-preview מחזיק במקום הראשון במדד המשולב, והוא עושה זאת בזכות שני הקורפוסים הקשים ביותר ולא בזכות הקל. הוא גם פועל במקדם מהירות חציוני של 20.3 — בערך אחד מעשרים מזמן אמת — כלומר שעה של אודיו אורכת כשלוש דקות, והוא רשום במחיר של 2.82 דולר ל-1,000 דקות. Scribe v3 מתמלל במהירות של פי 76.8 מזמן אמת תמורת 3.33 דולר ל-1,000 דקות. אז המוביל איטי יותר, לרוב זול יותר, ונושא שם שאומר preview.

שום דבר מזה לא הופך את הדירוג לשגוי; האינדקס מודד דיוק, לא מוכנות. זה כן אומר שהמשפט "Scribe v3 היא במקום השני" מרמז על מקום ראשון שנמצא בידי מודל ייצור, וזה לא המקרה. לרשומה של Alibaba אין תאריך שחרור בלוח, אין פילוח שפורסם לפי שפות, ויש את המילה "preview" במזהה. צוות שבוחר ספק ברבעון הזה משווה מוצר משוחרר מול גרסת הערכה, והפער של 0.22 נקודות ביניהם קטן מההבדל בין שני קורפוסים בתוך אותו אינדקס.

מ-v2 ל-v3, נמדד בשתי דרכים

נתוני ההשקה של ElevenLabs עצמה עבור Scribe v3 הם ירידה של 27% בשגיאות מילים לעומת Scribe v2 ב-102 שפות בהרצת FLEURS פנימית — מ-16.94% ל-12.38% — כאשר לטענתם חל שיפור בכל שפה שנבדקה, ובנוסף ירידה של 12% בשגיאות דיאריזציה ו-17% כאשר נוכחים שלושה דוברים או יותר. אלה נתוני ספק, שהופקו על גרסת הספק עצמו של בנצ'מרק ציבורי, ו-ElevenLabs גלויה באופן יוצא דופן כי ממוצעי ה-FLEURS שלה מחושבים לפי שפה ולא ברמת הקורפוס, ולכן אינם בני-השוואה לנתוני FLEURS שפורסמו.

Artificial Analysis, כשהיא מריצה מערך בדיקות משלה, מציגה שיפור קטן יותר: מ־2.18% ל־1.95% בציון המשולב, כ־11% יחסית, ומ־53.5× ל־76.8× בתפוקה. שתי הקביעות יכולות להיות נכונות. שיפור יחסי של 27% ב־FLEURS הרב־לשוני ושיפור יחסי של 11% בשלושה קורפוסים באנגלית מודדים דברים שונים, והפער ביניהם הוא העובדה השימושית ביותר בחומר ההשקה — הוא מלמד שהרווח מרוכז מחוץ לדיבור אנגלי מקריאה, וזה בדיוק היכן שהספק אומר שהוא בדק.

Screenshot of the ElevenLabs Speech to Text documentation page showing its model cards: Scribe v3 as the most accurate speech recognition model for recorded audio with 27% fewer word errors than Scribe v2 on FLEURS, diarization to 32 speakers, keyterm prompting up to 1,000 terms and word-level timestamps, alongside the Scribe v3 Live card claiming 44% lower semantic WER than Scribe v2 Realtime.

הפער בתכונות בין שני הדורות צר מכפי שהשיווק מרמז. Scribe v3 שומר על מערך התכונות של v2: עד 32 דוברים בדיאריזציה, 1,000 מונחי מפתח לעיבוד באצווה, חותמות זמן ברמת המילה, זיהוי ישויות, עריכת תמלול, ייצוא ל-SRT ול-DOCX. הוא מוסיף זיהוי שפה אוטומטי להקלטה, בקרה על פורמט מספרים, קודי שפה משניים, ובצד של זמן אמת ספריית מונחי מפתח של 10,000 מונחים וחיזוי תורות דיבור. הוא גם מוותר על משהו: אין מצב מילולי. MAI-Transcribe-2 של מיקרוסופט מציע גם סגנון מילולי וגם סגנון נקי דרך מתג אחד, ועבור תמלולים לצורכי ציות ובקרת איכות זהו הבדל פונקציונלי, לא קוסמטי.

מה עשה ה-17 בנובמבר לחשבון

שמונה ימים לאחר ההשקה, ElevenLabs הורידה את מחירי Speech to Text באופן גורף: 0.20 דולר לשעה עבור תמלול באצווה ו-0.22 דולר לשעה עבור זמן אמת, בתוכניות שירות עצמי ו-Business, עבור כל דגמי Scribe. כלומר 3.33 ו-3.67 דולר ל-1,000 דקות. זה המספר שהופך את טבלת הדיוק למעשית, משום שבתעריפים הישנים פיגור דיוק של 0.09 נקודות מול Microsoft היה קל להגנה, ובתעריפים החדשים פער המחירים הוא כל הטיעון.

Screenshot of the ElevenLabs changelog entry headed 'Lower Speech to Text prices', stating that Speech to Text now costs $0.20 per hour for batch transcription and $0.22 per hour for realtime transcription for every Scribe model on all self-serve and Business plans, with enterprise pricing unchanged, and the November 9 and November 17, 2026 sidebar entries visible.

אזהרה אחת לגבי קריאת עמודת המחיר של לוח המובילים: המחיר $3.33 של Scribe v3 הוא בדיוק $0.20 לשעה, והמחיר $3.67 של Scribe v2 הוא בדיוק $0.22 לשעה, שהם תעריפי ה-batch וה-realtime ברשימה הנוכחית של ElevenLabs. שתי שורות של ElevenLabs שמתומחרות לפי שני SKU-ים שונים ייראו כהנחה של 34 סנט לאלף מ-v2 ל-v3 שלא קיימת. בדקו אילו נתונים ה-tracker דגם לפני שמסיקים מסקנה תמחורית מטבלה מדורגת.

כדאי לומר בבירור לכל מי שבונה את הצינור שמאחורי התמלול: אף אחד ממודלי הדיבור האלה — לא Scribe v3 ולא MAI-Transcribe-2 — אינו נמצא ברשימת המודלים של OrcaRouter, והתעריפים שלמעלה הם של ElevenLabs ושל Microsoft, לא שלנו. מה שאנחנו מנתבים הוא השכבה שאותה מזין התמלול: סיכומי פגישות למודל אחד, סקירת ציות לאחר, הכול מאחורי מפתח אחד, עם מחירי המחירון של הספקים המועברים הלאה בתוספת של 0% ומעבר אוטומטי במקרה כשל בין ספקים. זה חשוב יותר בצינורות עיבוד דיבור מאשר במקומות אחרים, מכיוון שהתמלול הוא הקלט, לא המוצר, והמוצר נמצא בדרך כלל שלוש קריאות מודל בהמשך הזרם.

מה שאמורים להכריע השבועיים הקרובים

חסרים בתמונה הזו שני דברים ושניהם זמניים. הראשון הוא לוח הסטרימינג. Scribe v3 Live שוחרר לצד מודל האצווה עם צמצום מוצהר של 31% בשגיאות מילים ושיעור WER סמנטי נמוך ב-43% מ-Scribe v2 Realtime across 102 שפות, ובנוסף לדיאריזציה בזמן אמת הראשונה ש-ElevenLabs שחררה — 3.1% שגיאה במקטע האנגלי של סט בן 16 שפות, לעומת 5.9% עד 7.3% במודלים אחרים בזמן אמת. אלה מספרי ספק על רפרנס מיושר לספק, ולוח הדירוג לסטרימינג טרם הציג את המודל, כך שהטענה כרגע אינה ניתנת להפרכה ולא מאומתת.

השני הוא הווריאנט הרפואי, Scribe v3 Live Medical, שאינו מודל API כלל: הוא חי ב-ElevenAgents, נמצא בגישה מוקדמת, זקוק למודל התור turn_v3, אין לו תעריף נפרד, והוא נושא אזהרת תיעוד שלא לשלוח מידע בריאותי מוגן עד שאישור זכאות HIPAA יאושר עבורו. מודל ה-API הרפואי במצב batch נשאר Scribe v2 Medical. משפחת מוצרים הושקה עם חור במקום שבו אמור להיות מוצר ה-batch הקליני שלה.

אז הקריאה הכנה בשורה אחת של Scribe v3 אחרי עשרה ימים: זהו המודל הלא-סטרימינג הטוב ביותר בדיבור קריא ונקי, השני בטיבו בפגישות, הדבר המהיר ביותר ש-ElevenLabs הוציאה אי־פעם, ואחרי 17 בנובמבר — זול מספיק כדי שטיעון הדיוק וטיעון המחיר יצביעו סוף סוף לאותו כיוון. הדבר היחיד שניצב מעליו בלוח הוא תצוגה מקדימה, ותצוגות מקדימות לא חותמות חוזים.