
ElevenLabs Scribe v3: secondo su AA-WER con 1,95%, dietro un'anteprima
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 184 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 506 tok/s
- AlibabaNUOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1M di token · 262 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 94 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 222 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 216 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 108 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Il numero di punta per ElevenLabs Scribe v3 è un tasso di errore sulle parole dell'1,95%, secondo posto nella classifica non streaming AA-WER v2.2 di Artificial Analysis, dietro Fun-Realtime-ASR-preview di Alibaba all'1,73% e davanti a MAI-Transcribe-2 di Microsoft AI al 2,04%. Quella frase è accurata ed è anche il modo meno utile di leggere il risultato, perché 1,95% non è una misurazione — è una media ponderata di tre diversi set di test, e su uno di essi Scribe v3 non è affatto secondo. È primo, davanti al modello che lo supera in classifica. ElevenLabs ha rilasciato Scribe v3 il 9 novembre 2026, ha sostituito Scribe v2 nella stessa chiamata API e il 17 novembre ha ridotto il prezzo di ogni modello Scribe. A dieci giorni dal lancio, la domanda interessante non è più se il modello sia valido. È a quale dei tre numeri credere.
Da cosa è realmente composto l'1,95%
Artificial Analysis non pubblica un WER per modello. Pubblica un indice composito (l'AA-WER Index) costruito a partire da tre corpora puliti, e ciascun corpus presenta una diversa modalità di errore: parlato letto da audiolibri in stile LibriVox, parlato parlamentare dal Parlamento europeo e chiamate sui risultati aziendali spontanee multi-interlocutore in inglese accentato. Mediarli in un unico indice è una comodità ragionevole e uno strumento di acquisto scadente, perché i tre non ordinano gli stessi modelli allo stesso modo.
Ecco cosa mostra attualmente la classifica per i primi quattro, con il dettaglio. Ogni cifra riportata di seguito è di Artificial Analysis, letta dal payload dei dati della classifica anziché dalla visualizzazione arrotondata:
• AA-WER composito: Fun-Realtime-ASR-preview 1,73%, Scribe v3 1,95%, MAI-Transcribe-2 2,04%, Scribe v2 2,18%.
• Il set principale AA-STT — Scribe v3 1,47%, Scribe v2 1,51%, MAI-Transcribe-2 1,83%, Fun-Realtime-ASR-preview 1,97%. Scribe v3 vince nettamente questa prova, e il modello classificato sopra di esso si piazza ultimo dei quattro.
• VoxPopuli (parlamentare) — Fun-Realtime-ASR-preview 1,17%, MAI-Transcribe-2 1,50%, Scribe v3 1,52%, Scribe v2 1,74%. Qui Scribe v3 è terzo, appena dietro Microsoft.
• Earnings-22 (spontaneo, con accenti, multi-parlante) — Fun-Realtime-ASR-preview 1,80%, MAI-Transcribe-2 2,99%, Scribe v3 3,34%, Scribe v2 3,95%. È qui che l'ordinamento si ribalta nel modo più netto: Microsoft supera ElevenLabs di 0,35 punti, e il divario di 0,09 punti del composito scompare.

Lo schema non è casuale. Scribe v3 è più forte sul parlato letto e pulito e più debole sul corpus che assomiglia a una riunione reale — parlanti che si sovrappongono, disfluenze, banda telefonica, accenti. È anche il corpus a cui tengono davvero la maggior parte degli acquirenti enterprise, ed è per questo che l'ordinamento del composito e l'esperienza di un contact centre possono divergere. Se il tuo audio è fatto di podcast e interviste in studio, il valore dell'1,47% è più vicino al tuo mondo rispetto a quello dell'1,95%. Se si tratta di chiamate di vendita, vale il 3,34%.
Il modello sopra di esso è un'anteprima
Fun-Realtime-ASR-preview occupa il primo posto nella classifica composita, e ci riesce grazie ai due corpora più difficili anziché a quello facile. Funziona inoltre a un fattore di velocità mediano di 20,3 — circa un ventesimo del tempo reale — il che significa che un'ora di audio richiede circa tre minuti, e ha un prezzo di listino di $2,82 per 1.000 minuti. Scribe v3 trascrive a 76,8× il tempo reale per $3,33 per 1.000 minuti. Quindi il leader è più lento, in gran parte più economico, e porta un nome che dice preview.
Niente di tutto ciò rende errata la classifica; l'indice misura l'accuratezza, non la prontezza. Significa però che la frase "Scribe v3 è secondo" implica un primo posto occupato da un modello di produzione, e non è così. La voce di Alibaba non ha una data di rilascio nella classifica, nessuna suddivisione pubblicata per lingua e la parola "preview" nell'identificatore. Un team che sceglie un fornitore questo trimestre sta confrontando un prodotto già commercializzato con una build di valutazione, e il divario di 0,22 punti tra loro è inferiore alla differenza tra due corpora all'interno dello stesso indice.
da v2 a v3, misurato in due modi
I numeri di lancio forniti da ElevenLabs per Scribe v3 indicano una riduzione del 27% degli errori sulle parole rispetto a Scribe v2 su 102 lingue in un'esecuzione FLEURS interna — dal 16,94% al 12,38% — con miglioramenti dichiarati in ogni lingua testata, oltre a una riduzione del 12% degli errori di diarizzazione e del 17% quando sono presenti tre o più parlanti. Si tratta di dati del fornitore, ottenuti sulla versione del benchmark pubblico realizzata dal fornitore stesso, ed ElevenLabs è insolitamente schietta nel precisare che la propria media FLEURS è calcolata per lingua anziché a livello di corpus e quindi non è confrontabile con i numeri FLEURS pubblicati.
Artificial Analysis, eseguendo il proprio harness, mostra un guadagno inferiore: dal 2,18% all'1,95% sul composito, circa l'11% in termini relativi, e da 53,5× a 76,8× sul throughput. Entrambe le affermazioni possono essere vere. Un miglioramento del 27% in termini relativi su FLEURS multilingue e un miglioramento dell'11% in termini relativi su tre corpora inglesi misurano cose diverse, e il divario tra loro è il dato più utile nel materiale di lancio — indica che il vantaggio è concentrato al di fuori del parlato letto in inglese, che è esattamente dove il fornitore dice di aver guardato.

Il delta di funzionalità tra le due generazioni è più ridotto di quanto lasci intendere il marketing. Scribe v3 mantiene l'insieme di funzionalità della v2: fino a 32 parlanti nella diarizzazione, 1.000 termini chiave per il batch, timestamp a livello di parola, rilevamento delle entità, modifica delle trascrizioni, esportazione in SRT e DOCX. Aggiunge l'inferenza automatica della lingua per una registrazione, un controllo del formato dei numeri, codici di lingua secondari e, sul lato realtime, una libreria di 10.000 termini chiave e la previsione dei turni. Elimina anche qualcosa: non esiste una modalità verbatim. Microsoft MAI-Transcribe-2 offre sia lo stile verbatim sia quello clean tramite un unico interruttore e, per le trascrizioni di conformità e QA, questa è una differenza funzionale, non estetica.
Cosa ha fatto il 17 novembre all'aritmetica
Otto giorni dopo il lancio, ElevenLabs ha tagliato i prezzi di Speech to Text su tutta la linea: 0,20 $/ora per la trascrizione batch e 0,22 $/ora per il realtime, sui piani self-serve e Business, per ogni modello Scribe. Sono 3,33 $ e 3,67 $ per 1.000 minuti. È il dato che rende la tabella di accuratezza davvero utilizzabile, perché ai vecchi prezzi un deficit di accuratezza di 0,09 punti rispetto a Microsoft era facile da difendere, mentre ai nuovi il divario di prezzo è l’intero argomento.

Una cautela sulla lettura della colonna dei prezzi della classifica: i $3,33 di Scribe v3 sono esattamente $0,20 all'ora e i $3,67 di Scribe v2 sono esattamente $0,22 all'ora, che sono le tariffe batch e realtime nell'elenco attuale di ElevenLabs. Due righe ElevenLabs prezzate su due SKU diversi appariranno come uno sconto di 34 centesimi per mille da v2 a v3 che non esiste. Controlla cosa ha campionato il tracker prima di trarre una conclusione sui prezzi da una tabella classificata.
Vale la pena dirlo chiaramente a chiunque costruisca la pipeline dietro la trascrizione: nessuno di questi modelli vocali — né Scribe v3 né MAI-Transcribe-2 — è presente nel roster di OrcaRouter, e le tariffe sopra indicate sono quelle di ElevenLabs e Microsoft, non le nostre. Ciò che instradiamo è lo strato in cui confluisce la trascrizione: note di riunione a un modello, revisione di conformità a un altro, tutto dietro un'unica chiave, con prezzi di listino dei fornitori passati con markup dello 0% e failover automatico tra fornitori. Questo conta di più nelle pipeline vocali che altrove, perché la trascrizione è l'input, non il prodotto, e il prodotto si trova di solito tre chiamate di modello più a valle.
Cosa dovrebbero chiarire le prossime due settimane
Mancano due cose da questa immagine ed entrambe sono temporanee. La prima è la classifica dello streaming. Scribe v3 Live è stato rilasciato insieme al modello batch con una riduzione dichiarata del 31% degli errori a livello di parola e del 43% del WER semantico rispetto a Scribe v2 Realtime su 102 lingue, oltre alla prima diarizzazione in tempo reale rilasciata da ElevenLabs — errore del 3,1% sulla porzione inglese di un set di 16 lingue, contro il 5,9%-7,3% di altri modelli in tempo reale. Sono numeri del fornitore su un riferimento allineato al fornitore, e la classifica dello streaming non ha ancora tracciato il modello, quindi allo stato attuale l'affermazione non è falsificabile anziché confermata.
Il secondo è la variante medica, Scribe v3 Live Medical, che non è affatto un modello API: risiede in ElevenAgents, è in accesso anticipato, richiede il modello di turno turn_v3, non ha una tariffa separata e contiene un avviso nella documentazione di non inviare informazioni sanitarie protette finché non venga confermata l'idoneità HIPAA per esso. Il modello medico dell'API batch rimane Scribe v2 Medical. Una famiglia lanciata con un vuoto dove dovrebbe trovarsi il suo prodotto batch clinico.
Quindi la lettura onesta in una riga di Scribe v3 a dieci giorni dal lancio: è il miglior modello non streaming sul parlato letto pulito, il secondo migliore sulle riunioni, la cosa più veloce che ElevenLabs abbia mai rilasciato e — dopo il 17 novembre — abbastanza economico che l'argomento della precisione e quello del prezzo puntano finalmente nella stessa direzione. L'unica cosa che gli sta sopra in classifica è un'anteprima, e le anteprime non firmano contratti.
