
ElevenLabs Scribe v3: Peringkat Kedua dalam AA-WER dengan 1,95%, di Belakang Versi Pratinjau
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 184 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 506 tok/s
- AlibabaBARUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 juta token · 262 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 94 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 222 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 216 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 108 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Angka utama untuk ElevenLabs Scribe v3 adalah tingkat kesalahan kata 1.95%, peringkat kedua di papan non-streaming AA-WER v2.2 milik Artificial Analysis, di belakang Fun-Realtime-ASR-preview milik Alibaba pada 1.73% dan di atas MAI-Transcribe-2 milik Microsoft AI pada 2.04%. Kalimat itu akurat dan sekaligus cara paling tidak berguna untuk membaca hasilnya, karena 1.95% bukanlah sebuah pengukuran — itu adalah rata-rata berbobot dari tiga set pengujian berbeda, dan pada salah satunya Scribe v3 sama sekali bukan peringkat kedua. Ia peringkat pertama, di atas model yang dalam peringkat keseluruhan berada di atasnya. ElevenLabs merilis Scribe v3 pada 9 November 2026, menggantikan Scribe v2 dalam panggilan API yang sama, dan memangkas harga setiap model Scribe pada 17 November. Sepuluh hari setelahnya, pertanyaan yang menarik bukan lagi apakah model ini bagus. Melainkan angka mana dari ketiga angka itu yang harus Anda percayai.
Dari apa sebenarnya 1,95% itu terbentuk
Artificial Analysis tidak menerbitkan satu WER per model. Mereka menerbitkan komposit (AA-WER Index) yang dibangun dari tiga korpus yang telah dibersihkan, dan setiap korpus memiliki mode kegagalan yang berbeda: ujaran yang dibaca dari audiobook bergaya LibriVox, ujaran parlementer dari Parlemen Eropa, dan panggilan pendapatan multi-pembicara spontan dalam bahasa Inggris beraksen. Merata-ratakan ketiganya menjadi satu indeks adalah kemudahan yang wajar dan alat pengadaan yang buruk, karena ketiganya tidak memeringkat model yang sama dengan cara yang sama.
Berikut rincian tampilan papan saat ini untuk empat teratas. Setiap angka di bawah ini berasal dari Artificial Analysis sendiri, dibaca dari payload data papan, bukan dari tampilan yang telah dibulatkan:
• AA-WER komposit — Fun-Realtime-ASR-preview 1,73%, Scribe v3 1,95%, MAI-Transcribe-2 2,04%, Scribe v2 2,18%.
• Rangkaian AA-STT inti — Scribe v3 1.47%, Scribe v2 1.51%, MAI-Transcribe-2 1.83%, Fun-Realtime-ASR-preview 1.97%. Scribe v3 menang telak di kategori ini, dan model yang berada di peringkat atasnya justru finis terakhir dari keempat model.
• VoxPopuli (parlementer) — Fun-Realtime-ASR-preview 1,17%, MAI-Transcribe-2 1,50%, Scribe v3 1,52%, Scribe v2 1,74%. Scribe v3 berada di posisi ketiga di sini, sedikit di belakang Microsoft.
• Earnings-22 (spontan, beraksen, multi-pembicara) — Fun-Realtime-ASR-preview 1,80%, MAI-Transcribe-2 2,99%, Scribe v3 3,34%, Scribe v2 3,95%. Di sinilah urutan berbalik paling drastis: Microsoft mengalahkan ElevenLabs dengan selisih 0,35 poin, dan celah komposit 0,09 poin menghilang.

Polanya tidak acak. Scribe v3 paling kuat pada ujaran bacaan yang bersih dan paling lemah pada korpus yang menyerupai rapat sungguhan — pembicara yang saling menimpa, disfluensi, bandwidth telepon, aksen. Itu juga korpus yang paling dipedulikan oleh sebagian besar pembeli perusahaan, itulah sebabnya urutan komposit dan pengalaman pusat kontak bisa berbeda. Jika audio Anda adalah podcast dan wawancara studio, angka 1,47% lebih dekat dengan dunia Anda daripada 1,95%. Jika audio Anda adalah panggilan penjualan, angka 3,34% yang berlaku.
Model di atasnya adalah pratinjau.
Fun-Realtime-ASR-preview menempati peringkat pertama pada skor gabungan, dan itu berkat dua korpus tersulit, bukan yang mudah. Produk ini juga berjalan pada faktor kecepatan median 20,3 — sekitar seperdua puluh waktu nyata — yang berarti satu jam audio membutuhkan sekitar tiga menit, dan harganya tercantum $2,82 per 1.000 menit. Scribe v3 mentranskripsikan pada 76,8× waktu nyata dengan $3,33 per 1.000 menit. Jadi pemimpinnya lebih lambat, umumnya lebih murah, dan menyandang nama yang bertuliskan preview.
Tidak ada dari semua itu yang membuat peringkatnya salah; indeks tersebut mengukur akurasi, bukan kesiapan. Namun itu berarti kalimat "Scribe v3 berada di posisi kedua" menyiratkan posisi pertama dipegang oleh model produksi, padahal bukan. Entri Alibaba tidak memiliki tanggal rilis di papan, tidak ada rincian per bahasa yang diterbitkan, dan ada kata "preview" dalam pengidentifikasi. Tim yang memilih vendor kuartal ini sedang membandingkan produk yang sudah dikirim dengan build evaluasi, dan selisih 0,22 poin di antara keduanya lebih kecil daripada perbedaan antara dua korpora di dalam indeks yang sama.
v2 ke v3, diukur dengan dua cara
Angka peluncuran Scribe v3 dari ElevenLabs sendiri menunjukkan pengurangan 27% kesalahan kata dibandingkan Scribe v2 di 102 bahasa dalam uji FLEURS internal — dari 16,94% menjadi 12,38% — dengan klaim peningkatan di setiap bahasa yang diuji, plus pengurangan 12% kesalahan diarisasi dan 17% saat ada tiga pembicara atau lebih. Itu adalah angka vendor, dijalankan pada versi tolok ukur publik milik vendor itu sendiri, dan ElevenLabs luar biasa terbuka bahwa perataan FLEURS mereka adalah per bahasa, bukan tingkat korpus, sehingga tidak dapat dibandingkan dengan angka FLEURS yang dipublikasikan.
Artificial Analysis, yang menjalankan harness miliknya sendiri, menunjukkan kenaikan yang lebih kecil: dari 2,18% menjadi 1,95% pada skor komposit, sekitar 11% secara relatif, dan dari 53,5× menjadi 76,8× pada throughput. Kedua pernyataan itu bisa sama-sama benar. Peningkatan relatif 27% pada FLEURS multibahasa dan peningkatan relatif 11% pada tiga korpus bahasa Inggris mengukur hal yang berbeda, dan selisih di antara keduanya adalah fakta paling berguna dalam materi peluncuran — ini memberi tahu Anda bahwa keunggulannya terkonsentrasi di luar ucapan bahasa Inggris yang dibaca, yang persis merupakan area yang menurut vendor telah diperiksa.

Selisih fitur antara kedua generasi lebih sempit daripada yang tersirat dalam pemasaran. Scribe v3 mempertahankan rangkaian fitur v2: hingga 32 pembicara dalam diarisasi, 1.000 istilah kunci untuk batch, stempel waktu tingkat kata, deteksi entitas, pengeditan transkrip, ekspor ke SRT dan DOCX. Fitur ini menambahkan inferensi bahasa otomatis untuk rekaman, kontrol format angka, kode bahasa sekunder, dan di sisi real-time, pustaka istilah kunci 10.000 istilah serta prediksi giliran bicara. Ada juga yang dihilangkan: tidak ada mode verbatim. MAI-Transcribe-2 dari Microsoft menawarkan gaya verbatim dan gaya bersih melalui satu sakelar, dan untuk transkrip kepatuhan dan QA, itu merupakan perbedaan fungsional, bukan sekadar kosmetik.
Apa yang dilakukan 17 November terhadap aritmetika
Delapan hari setelah peluncuran, ElevenLabs memangkas harga Speech to Text secara menyeluruh: $0,20 per jam untuk transkripsi batch dan $0,22 per jam untuk realtime, pada paket self-serve dan Business, untuk setiap model Scribe. Itu setara $3,33 dan $3,67 per 1.000 menit. Angka itulah yang membuat tabel akurasi bisa ditindaklanjuti, karena pada tarif lama defisit akurasi 0,09 poin dibanding Microsoft mudah dipertahankan, dan pada tarif baru selisih harga menjadi seluruh argumennya.

Satu peringatan tentang membaca kolom harga di papan peringkat: $3,33 milik Scribe v3 tepatnya $0,20 per jam dan $3,67 milik Scribe v2 tepatnya $0,22 per jam, yang merupakan tarif batch dan realtime dalam daftar ElevenLabs saat ini. Dua baris ElevenLabs yang diberi harga pada dua SKU berbeda akan terbaca sebagai diskon v2-ke-v3 sebesar 34 sen per seribu yang sebenarnya tidak ada. Periksa apa yang diambil sampelnya oleh tracker sebelum menarik kesimpulan harga dari tabel berperingkat.
Perlu dinyatakan secara gamblang bagi siapa pun yang membangun pipeline di balik transkrip: tidak satu pun dari model ucapan ini — bukan Scribe v3, bukan MAI-Transcribe-2 — ada dalam daftar OrcaRouter, dan tarif di atas adalah milik ElevenLabs dan Microsoft, bukan milik kami. Yang kami rutekan adalah lapisan yang menerima transkrip: catatan rapat ke satu model, tinjauan kepatuhan ke model lain, semuanya di balik satu kunci, dengan harga daftar penyedia diteruskan pada markup 0% dan failover otomatis antarpnyedia. Itu lebih penting dalam pipeline ucapan daripada di tempat lain, karena transkrip adalah input, bukan produk, dan produknya biasanya berada tiga panggilan model di hilir.
Apa yang seharusnya diselesaikan dalam dua minggu ke depan
Ada dua hal yang hilang dari gambaran ini dan keduanya bersifat sementara. Yang pertama adalah papan peringkat streaming. Scribe v3 Live dirilis bersama model batch dengan klaim pengurangan word-error sebesar 31% dan WER semantik 43% lebih rendah daripada Scribe v2 Realtime di 102 bahasa, plus diarisasi realtime pertama yang telah dirilis ElevenLabs — error 3,1% pada porsi bahasa Inggris dari kumpulan 16 bahasa dibandingkan 5,9% hingga 7,3% untuk model realtime lain. Itu adalah angka dari vendor pada referensi yang selaras dengan vendor, dan papan peringkat streaming belum memplot model tersebut, jadi klaim itu saat ini tidak dapat dibantah, bukan terkonfirmasi.
Yang kedua adalah varian medis, Scribe v3 Live Medical, yang sama sekali bukan model API: ia berada di ElevenAgents, dalam akses awal, memerlukan model turn turn_v3, tidak memiliki tarif terpisah, dan membawa peringatan dalam dokumentasi agar tidak mengirim informasi kesehatan yang dilindungi sampai kelayakan HIPAA dikonfirmasi untuknya. Model medis API batch tetap Scribe v2 Medical. Sebuah keluarga diluncurkan dengan kekosongan di posisi yang seharusnya diisi produk batch klinisnya.
Jadi penilaian jujur dalam satu baris untuk Scribe v3 setelah sepuluh hari: ini adalah model non-streaming terbaik untuk ucapan bacaan yang bersih, terbaik kedua untuk rapat, hal tercepat yang pernah diluncurkan ElevenLabs, dan — setelah 17 November — cukup murah sehingga argumen akurasi dan argumen harga akhirnya mengarah ke arah yang sama. Satu-satunya yang berada di atasnya dalam daftar adalah pratinjau, dan pratinjau tidak menandatangani kontrak.
