
Scribe v3 Live Medical לעומת MAI Transcribe 2 Streaming: רק לאחד יש מחיר
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 89 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 88 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
השוו בין Scribe v3 Live Medical לבין MAI-Transcribe-2-Streaming, וההבדל הראשון אינו דיוק, השהיה או מספר השפות. הוא שאחד מהם הוא מוצר והשני הוא תכונה. ל-MAI-Transcribe-2-Streaming יש מחרוזת מודל שמעבירים ל-API, תעריף מפורסם, סטטוס תצוגה מקדימה, ארבעה אזורי Azure בשמותיהם ושתי דרכי אינטגרציה מתועדות. ל-Scribe v3 Live Medical יש תפריט נפתח בהגדרות של סוכן ElevenAgents, שער גישה מוקדמת, ואין לו מחיר משל עצמו מפני שהוא מגולם במנוי. Microsoft השיקה מתמלל; ElevenLabs השיקה יכולת בתוך פלטפורמה שהיא גם מוכרת.
חוסר הסימטריה הזה הופך את השוואת הדיוק לחלק הפחות שימושי בעמוד הזה ואת השוואת הרכש לחלק השימושי ביותר. עם זאת, המספרים ראויים לציון, משום ששל Microsoft הם האגרסיביים: שיעור שגיאות מילים בזרימה מוצהר של 2.5% ב-0.13 שניות לתמלול סופי, לעומת 12.8% של ElevenLabs בהתייעצויות מדומות קליניות. שני הנתונים האלה רחוקים פי חמישה זה מזה וכמעט אינם מתארים דבר במשותף, וזו בדיוק הסיבה שההשוואה הזו דורשת זהירות ולא פסק דין.
מה מיקרוסופט שחררה בפועל
MAI-Transcribe-2-Streaming הוא בן הלוויה בזמן אמת של MAI-Transcribe-2, מודל האצווה הפנימי של Microsoft AI. הוא הגיע ב-1 באוקטובר 2026 בתצוגה מקדימה ציבורית, כחודש לאחר שחרור מודל האצווה, והוא מוגש דרך מחסנית הדיבור של Azure ולא דרך נקודת קצה נפרדת של AI. קיימים שני מסלולי אינטגרציה מתועדים: WebSocket תואם OpenAI Realtime, ו-Azure Speech SDK, שמטפל עבורך בניהול חיבורים, בניסיונות חוזרים ובהזרמת אודיו. שניהם מחזירים תוצאות ביניים שמתעדכנות במקומן ותוצאות סופיות שמאשרות כל מקטע.
הטענות שמיקרוסופט מצרפת אליו, המסומנות כטענות ספק כי זה מה שהן: מקום ראשון בדיוק הן בתמלולים סופיים והן בתמלולים חלקיים בהערכת הסטרימינג של Artificial Analysis, בשיעור שגיאת מילים של 2.5%, כאשר התמלול הסופי מוכן 0.13 שניות לאחר סיום הדיבור, ו-2.5% בתמלול החלקי הראשון ב-0.12 שניות. ההסתייגות החשובה, שגם השקת ה-batch שותפה לה: הטרקר לא הציג את המודל הזה כשורה. מיקרוסופט טוענת לתוצאה לפי מתודולוגיה של צד שלישי, ולא מצטטת מדידה שפורסמה על ידי צד שלישי. המוביל בפועל בסטרימינג בלוח המובילים בזמן הניסוח היה Grok Voice Transcribe 2.0 עם 2.73% ו-0.49 שניות.
כל השאר בו שגרתי ומתועד היטב: 60 שפות עם זיהוי שפה רציף אוטומטי, החלפת קוד עבור זוגות מעורבים כמו הינגליש וספנגליש, טענות לעמידות לרעש, וזמינות ב-Sweden Central, Central US, East US 2 ו-Southeast Asia. כתב הוויתור של התצוגה המקדימה הוא בשפה סטנדרטית של Azure — ללא הסכם רמת שירות, לא מומלץ לעומסי עבודה בייצור.

מה ElevenLabs שחררה, ולמה זה שייך לקטגוריה אחרת
Scribe v3 Live Medical נמצא בתוך משפחת Scribe v3 שהושקה ב-9 בנובמבר 2026, והוא החבר הרפואי בזמן אמת שלה. התיעוד של ElevenLabs חד-משמעי לגבי הגבול: היא זמינה רק ב-ElevenAgents, היא אינה זמינה דרך Speech to Text API, ואם ברצונך בתמלול רפואי דרך ה-API עליך להשתמש ב-Scribe v2 Medical — מודל האצווה, במחיר של $0.20 לשעה, שהוא מוצר רגיל עם model ID.
שלוש השלכות נובעות מכך, והן חשובות יותר מכל נתון WER:
• לא ניתן לתמחר אותו. הוא כלול בתמחור הסטנדרטי של ElevenAgents, שמחייב לפי דקת שיחה וכולל את ה-ASR יחד עם ה-LLM של הסוכן, הטלפוניה, סינתזת הדיבור וקריאות לכלים. אין תעריף נפרד ל-ASR, ולכן אין מספר להכניס לגיליון השוואה.
• אינך יכול לבצע השוואת ביצועים בעצמך מחוץ לפלטפורמה. הנתון הפומבי היחיד הוא ההרצה של ElevenLabs עצמה על PriMock57 — 57 ייעוצי רפואה ראשונית מדומים — שבה היא השיגה 12.8% לעומת 15.5% של AssemblyAI Universal-3.6 Pro Realtime במצב רפואי, 16.3% של Speechmatics Oak-1, 17.0% של Deepgram Nova-3 Pharma ו-17.2% של Nova-3 Medical.
• אין לשלוח אליו PHI עדיין. המסמכים אומרים במפורש: אין לשלוח מידע בריאותי מוגן אל Scribe v3 Live Medical עד לאימות זכאות לפי HIPAA, וריבונות נתונים באיחוד האירופי אינה זמינה במהלך הגישה המוקדמת. זהו ניסוח נחרץ יותר מהשורה הכללית בדף השיווקי שלפיה המוצר זכאי ל-HIPAA, וזה הניסוח שקצין ציות יקרא.

2.5% לעומת 12.8% אינו פער של פי חמישה
זה נראה כמו אחד. זה לא, משלוש סיבות, וכל אחת מהן היא סוג אחר של בעיית מדידה.
הקורפוסים שונים. מערך הבדיקה הזורם של Artificial Analysis מודד דיבור כללי במגוון רחב של שפות ותנאים; PriMock57 הוא 57 ייעוצי רופא משפחה מדומים שבהם שני אנשים משוחחים על תסמינים, מרשמים ותוצאות בדיקות. ייעוצים קליניים קשים יותר עבור כל מודל — התרשים של ElevenLabs עצמה מראה ארבעה מנועי זמן אמת מתחרים שמצטברים בין 15.5% ל-17.2% בו, כולל שני מודלים שנבנו במיוחד עבור אודיו רפואי. תוצאה של 12.8% על אותה קבוצה היא תוצאה חזקה; 2.5% על קבוצה כללית הם הישג מסוג אחר.
התנאים שונים. המספר של Microsoft הוא טענה על מתודולוגיה של צד שלישי, לא שורה שצד שלישי מפרסם. המספר של ElevenLabs הוא הרצה של ספק על סט ציבורי שנבחר על ידי הספק. אף אחד מהם אינו מדידה שאפשר להעמיד מול האחר בלי להריץ את שניהם על אותו אודיו, ואף אחד לא עשה זאת.
המשימות שונות באופן שיש לו משמעות קלינית. המודל של Microsoft הוא מתמלל כללי עם הטיית מילות מפתח ומקרה שימוש מתועד בהערות קליניות; הוא לא עבר כיוונון עדין על שמות תרופות. המודל של ElevenLabs הוא כיוונון עדין של Scribe v3 Live שמכוון בדיוק לאוצר המילים הזה. על לוח כללי נקי, סביר לצפות שהמודל הכללי ינצח. על "הוא נוטל metformin 1000 פעמיים ביום, empagliflozin 10, ו-atorvastatin 40" — שורת הדוגמה בעמוד הרפואי של ElevenLabs — הכיוונון העדין הוא זה שיש לו סיבה להיות טוב יותר, והמודל הכללי הוא זה שנשען על רשימת הביטויים שלו.
ההבדל בהשהיה הוא זה שאמיתי
0.13 השניות של מיקרוסופט עד לתמלול סופי הן הנתון שאמור להדאיג מתחרה, משום שזהו סוג המספר שאפשר לבנות עליו פלטפורמה. מתחת לכ-0.2 שניות, טקסט הכתוביות נקרא כסימולטני לדיבור; שליש שנייה נקרא כתמלול שרודף אחרי הדובר. ElevenLabs אינה מפרסמת זמן השהיה עבור הגרסה הרפואית, אלא רק שהיא תואמת את Scribe v3 Live, שהשוואת המשפחה שלה מציגה WER סמנטי נמוך ב-44% מאשר Scribe v2 Realtime — מודל ש-ElevenLabs מתעדת בזמן חציוני של כ-150 מ"ש עד לתמלול סופי. לכן הקריאה הסבירה היא ששניהם נמצאים באותו טווח של מתחת לרבע שנייה וההבדל אינו מורגש לאדם שקורא יחד.
המקום שבו ההבדל כן בא לידי ביטוי הוא בזיהוי סוף הדיבור, וכאן ל-ElevenLabs יש הסבר ספציפי יותר. חיזוי התור שלה משתמש בהקשר השיחה כדי להחליט אם המתקשר סיים, כך שהסוכן ממתין לאורך ההפוגות בתוך מספר חבר או תאריך לידה במקום להגיב לשלוש הספרות הראשונות. המקבילה של מיקרוסופט היא זיהוי מתקדם של סוף תור ב-Voice Live API, שהוא תכונה של שכבת הסוכן ולא של מתמלל הדיבור. שניהם פותרים את זה. האחד פותר את זה בתוך מוצר ה-ASR והשני פותר את זה שכבה אחת למעלה, ואם אתם מרכיבים לולאת סוכן משלכם, השכבה חשובה.
עלות, זה לצד זה, כשהחורים מסומנים
• Microsoft — $0.54 לשעת אודיו הוא תעריף ההיכרות של MAI-Transcribe-2-Streaming, כאשר לא נמסר מחיר סטנדרטי; Microsoft כבר יישמה מבנה כזה בעבר, ותמחור ההטבה המוקדמת של מודל ה-batch היה מוגבל בזמן באופן מפורש.
• ElevenLabs — אין תעריף ASR עבור Scribe v3 Live Medical. עוגני המחיר של המשפחה ב-API הם $0.22 לשעה עבור Scribe v3 Live ו-$0.08 לשעה עבור הנחיית מונחי מפתח בזמן אמת, והמוצר הרפואי של ה-API, Scribe v2 Medical, עומד על $0.20 לשעה בנקודת הקצה לעיבוד באצווה.
• בהיקף גדול — 10,000 דקות של אודיו בסטרימינג עולות בערך 90 דולר לפי תעריף ההיכרות של Microsoft, ואינן ניתנות לכימות בתמחור הפלטפורמה של ElevenLabs, שבו אותן עשרת אלפים דקות מחייבות גם אסימוני LLM, טלפוניה וקול.
• אוצר מילים מותאם אישית — רשימת הביטויים של Microsoft היא פרמטר בקשה ללא תוספת תשלום שפורסמה; ElevenLabs כוללת עד 10,000 מונחים מותאמים אישית ללא עלות נוספת ב-ElevenAgents, וגובה $0.08 לשעה עבור מונחי מפתח בזמן אמת בדגמי ה-API.
שווה להתעכב על הזוג האחרון, כי 10,000 מונחים אינם מספר עגול שיווקי — זה בערך הגודל של הפורמולרי של מערכת בריאות בינונית בתוספת רשימת המטפלים שלה. אם בעיית אוצר המילים הקליני שלך גדולה, תקציב המונחים הוא תכונה ממשית, ורשימת הביטויים של Microsoft, המתועדת כרמזים ולא כפלט כפוי, היא מנגנון שונה עם מצבי כשל שונים.
היכן משתלבת שכבת ההיגיון
אף אחד מהמודלים האלה לא מחליט דבר. סוכן קולי קליני מקבל את התמלול ועושה איתו משהו — בודק כלל כיסוי, מנסח הערה, מחליט אם לנתב לאחות — והשלב הזה הוא קריאת מודל נפרדת עם תקציב השהיה משל עצמו. בצינור עיבוד בזמן אמת, הזמן עד לאסימון הראשון של מודל הנימוק הוא לעתים תורם גדול יותר להשהיה הנתפסת מאשר 0.13 או 0.15 השניות של המתמלל.
החלק הזה הוא המקום שבו ראוטר מצדיק את מקומו. OrcaRouter מגיש 215 מודלים מאחורי API יחיד תואם OpenAI בתוספת 0%, כאשר מחירי המחירון של הספקים מועברים ללא שינוי, עם מעבר אוטומטי בין ספקים בעת כשל — כך שאפשר להחליף את המודל שמבצע הסקה על תמלול במודל מהיר יותר, או לעבור לגיבוי באמצע הקריאה, בלי לגעת באינטגרציה עם Azure או ElevenLabs. איננו מספקים את Scribe v3 Live Medical או MAI-Transcribe-2-Streaming; חלק התמלול נשאר במקום שבו רכשתם אותו.

פסק הדין, כשהוא מנוסח כהחלטת רכש
בחרו ב-MAI-Transcribe-2-Streaming אם אתם זקוקים למתמלל שאפשר לפנות אליו בקריאה, לתמחר ולהכניס לכרטיס תעריפים. הוא היחיד מבין השניים שהוא מודל ולא תכונה של פלטפורמה, הוא מתועד עד לרמת האזור וה-SDK, וצמד הדיוק-השהיה המוצהר שלו הוא העמדה החזקה ביותר שפורסמה ב-ASR סטרימינג כיום — בכפוף להסתייגות שההצהרה היא של Microsoft והמועצה לא שרטטה אותה. בנו על ה-Preview בזהירות הרגילה: אין SLA, ומחיר היכרות שעתיד להשתנות.
בחר ב-Scribe v3 Live Medical אם מה שאתה קונה הוא סוכן, לא מתמלל — אם מערכת הטלפוניה, ניהול תורי הדיבור, הקול ומעקות הבטיחות ממילא יהיו של ElevenLabs, אז כיוונון עדין קליני בתוך אותה מערכת שווה יותר מ-WER כללי טוב יותר שתצטרך לשלב בעצמך. בדוק אותו קודם על ההקלטות שלך, ואל תעביר דרכו PHI עד שהתיעוד יפסיק להזהיר אותך שלא לעשות זאת.
אם אתם באמת מתלבטים, שובר השוויון לא נמצא באתר של אף אחד מהספקים: הריצו עשרים קריאות משלכם דרך שניהם, ספרו את השגיאות שהיו משנות החלטה קלינית ולא את השגיאות בכלל, והשוו את המספר הזה לעלות החודשית של כל אפשרות עבורכם, כולל החלקים שהייתם צריכים לבנות בעצמכם אחרת. במבחן הזה גם ה־2.5% וגם ה־12.8% יהיו שגויים, והדירוג עשוי בהחלט להתהפך.
