Un titolo recita 'Scribe v3 Live Medical' con il sottotitolo 'un trascrittore clinico che non puoi chiamare'. Sotto, un semplice diagramma di flusso: una cornetta telefonica etichettata 'chiamata del paziente' che alimenta una casella arrotondata etichettata 'ElevenAgents', con accanto una casella in grigio e barrata etichettata 'API di riconoscimento vocale'.
Guides & Insights

Scribe v3 Live Medical: ElevenLabs ha creato un trascrittore clinico che non puoi chiamare

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Il fatto più interessante riguardo a Scribe v3 Live Medical è un fatto di distribuzione, non un numero di accuratezza: non esiste alcun ID del modello. ElevenLabs ha rilasciato il modello, lo ha documentato, lo ha sottoposto a benchmark su audio clinico, lo ha presentato a clienti del settore sanitario — e poi ha chiuso l’unica porta che la maggior parte degli sviluppatori usa. Viene eseguito all’interno di ElevenAgents, selezionato da un menu a discesa ASR nelle impostazioni di un agente, e non è esplicitamente disponibile tramite l’API Speech to Text. Il modello API per l’audio medico resta Scribe v2 Medical, un modello batch di settembre. Quindi ciò che ElevenLabs ha annunciato il 9 novembre 2026 come parte del lancio della famiglia Scribe v3 — Scribe v3 e Scribe v3 Live per audio registrato e in tempo reale, con il fine-tuning medico in tempo reale che segue in accesso anticipato — va inteso soprattutto come una funzionalità di piattaforma che porta il nome di un modello.

Quella impostazione decide se il rilascio è rilevante per te. Se stai costruendo un agente vocale clinico sull'agent runtime di ElevenLabs, il miglior ASR medico in tempo reale dell'azienda ora è a un menu a tendina di distanza. Se stai costruendo quell'agente altrove, questo rilascio non ha cambiato nulla delle tue opzioni, e il grafico di benchmark pubblicato da ElevenLabs è un grafico su un modello che non puoi noleggiare.

Cosa è stato effettivamente rilasciato, e quando

Il changelog di ElevenLabs fissa il lancio della famiglia al 9 novembre 2026: scribe_v3 per l'audio registrato, in sostituzione di scribe_v2 sull'endpoint di trascrizione esistente, e scribe_v3_live sul WebSocket in tempo reale. Entrambi sono documentati come miglioramenti relativi rispettivamente del 27% e del 44%: Scribe v3 riduce il tasso di errore per parola dal 16,94% al 12,38% su FLEURS, mentre Scribe v3 Live dichiara un WER semantico inferiore del 44% rispetto a Scribe v2 Realtime. Nessuno dei due valori è un dato medico. Sono i numeri generali della famiglia su cui è costruita la variante medica.

La variante medica compare separatamente, nella documentazione del modello e nella pagina di trascrizione medica di ElevenLabs, con tre attributi che sarebbero insoliti in un post di lancio e sono ordinari in una funzionalità di piattaforma:

• Disponibilità — solo ElevenAgents. Non disponibile nell'API Speech to Text, nessun ID modello da passare.

• Stato — accesso anticipato, limitato ai workspace che lo hanno abilitato, e richiede il modello turn_v3 dell'azienda.

• Costo — nessuna tariffa separata. ElevenLabs afferma che è incluso nel prezzo standard di ElevenAgents, con fino a 10.000 termini personalizzati senza costi aggiuntivi.

Confrontalo con Scribe v2 Medical, che è un normale prodotto API: passa scribe_v2_medical come ID modello, paga $0,20 all'ora, stessa tariffa di Scribe v2. Il modello medical v3 non ha ricevuto lo stesso trattamento. Ha ricevuto un menu a tendina.

A section of the ElevenLabs medical transcription page headed 'Medical transcription built for live calls and recorded audio', with the line 'Two Speech to Text models for clinical language: Scribe v3 Live Medical for ElevenAgents, and Scribe v2 Medical for batch transcription', and a sample transcript reading 'He's on metformin 1000 twice a day, empagliflozin 10, and atorvastatin 40. A1C 8.4, eGFR 52, LDL 128'.

L'affermazione che conta è di natura clinica, su un piccolo set pubblico

Il titolo di ElevenLabs per Scribe v3 Live Medical non è un numero FLEURS. È PriMock57 — 57 consultazioni simulate di assistenza primaria registrate per la ricerca, un set piccolo, pubblico e molto più vicino all'acustica di una vera chiamata clinica rispetto al parlato letto. Su questo set ElevenLabs riporta il tasso di errore di parola più basso tra i modelli in tempo reale che ha testato: 12,8% per Scribe v3 Live Medical, contro 15,5% per Universal-3.6 Pro Realtime di AssemblyAI in modalità medica, 16,3% per Oak-1 di Speechmatics, 17,0% per Nova-3 Pharma di Deepgram e 17,2% per Nova-3 Medical.

Quei numeri sono forniti dal fornitore su un benchmark scelto dal fornitore, e la lettura onesta è ristretta: un divario di 2,7 punti rispetto al concorrente più vicino su un unico set di 57 consultazioni è un segnale reale che un fine-tuning clinico aiuta, e non è una garanzia che l'audio telefonico della tua clinica cardiologica segua la stessa classifica. Nessuno al di fuori di ElevenLabs l'ha riprodotto, e il set è abbastanza piccolo che la varianza per chiamata è maggiore del divario.

La rivelazione più utile è sepolta nelle FAQ della pagina stessa sulla trascrizione medica, ed è insolitamente schietta: i nomi di farmaci isolati e senza contesto sono il caso più difficile per ogni modello, e il consiglio di ElevenLabs è di usare il keyterm prompting per orientare il riconoscimento verso i termini attesi. È un'azienda che ti dice dove si ferma il suo fine-tuning. Un nome di farmaco all'interno di una frase — «prende metformina 1000 due volte al giorno» — è un problema risolvibile, e la trascrizione di esempio su quella pagina è costruita esattamente su quella forma. Un nome di farmaco letto da solo, come potrebbe fare un chiamante quando gli viene chiesto di ripetere una prescrizione, resta difficile per tutti.

A single-column scoreboard titled 'Scribe v3 Live Medical — the scoreboard', with rows reading 'Availability: ElevenAgents only, no model ID', 'Status: early access, requires turn_v3', 'PriMock57 WER: 12.8%', 'Nearest rival on that set: 15.5%', 'Price: no separate rate, bundled' and 'PHI: docs say do not send yet', with a footer reading 'All figures vendor-reported by ElevenLabs; no independent reproduction.'

Il rilevamento dei turni è la funzione che lo rende un modello medico.

La parte di questo rilascio che cambierà l’esperienza di un agente clinico non è l’accuratezza. È la previsione del turno. L’ASR in streaming generico conferma un segmento di trascrizione quando rileva un silenzio, ed è per questo che gli agenti vocali interrompono le persone che leggono stringhe lunghe — un ID membro, una data di nascita, un numero di telefono, un dosaggio scandito lentamente. Il modello di turno di Scribe v3 Live Medical usa il contesto della conversazione per stabilire quando un chiamante ha davvero finito, così l’agente attende durante le pause all’interno di un ID membro invece di rispondere alle prime tre cifre.

Quel comportamento è una proprietà del turn_v3 modello accoppiato all'ASR, ed è disponibile su Scribe v3 Live in generale, non solo nel fine-tuning medico. Ciò che aggiunge la variante medica è il bias lessicale che ne sta alla base: il riconoscimento dei termini clinici che venivano inizialmente distorti, in oltre 90 lingue, con una modalità multilingue che tiene il passo quando un chiamante cambia lingua a metà chiamata. ElevenLabs afferma che i miglioramenti dell'accuratezza medica sono stati misurati in inglese, francese e tedesco, un'affermazione più ristretta rispetto al supporto di oltre 90 lingue e che vale la pena dichiarare separatamente.

La riga sulla conformità è quella da leggere due volte.

La pagina di trascrizione medica di ElevenLabs afferma che entrambi i modelli sono idonei ai fini HIPAA per i clienti Enterprise con un Business Associate Agreement in essere e la Modalità Zero Retention attivata, e che con la ZRM attiva l'input audio e l'output della trascrizione non vengono conservati dopo l'elaborazione. La sua pagina di documentazione per Scribe v3 Live Medical dice qualcosa di più categorico e meno conveniente: non inviare informazioni sanitarie protette a Scribe v3 Live Medical finché l'idoneità HIPAA non è confermata per questo modello, e la residenza dei dati nell'UE non è disponibile durante l'accesso anticipato.

Entrambe le frasi sono sul sito di {{1}}ElevenLabs{{/1}}, e non sono la stessa frase. La lettura riconciliata è che la postura generale di conformità sanitaria — BAA, ZRM, SOC 2, GDPR — descrive la piattaforma e il prodotto medico GA, {{2}}Scribe v2 Medical{{/2}}, mentre il modello in tempo reale in accesso anticipato non ha ancora completato il proprio lavoro di idoneità. Per un'entità coperta, è l'avvertenza nella documentazione a fare testo: un modello in accesso anticipato senza idoneità HIPAA confermata non è un luogo per PHI, qualunque cosa implichi la tabella comparativa della pagina di marketing. Si tratta di uno stato temporaneo, ed è anche il singolo fatto più suscettibile di bloccare una revisione di conformità questo trimestre.

Quanto costa, onestamente

Poiché Scribe v3 Live Medical non ha un contatore proprio, non c’è un prezzo al minuto da citare. I numeri pubblicati più vicini sono quelli che la famiglia riporta sull’API: Scribe v3 a 0,20 $ all’ora di audio, Scribe v3 Live a 0,22 $ all’ora, keyterm prompting a 0,08 $ all’ora sui modelli realtime e 0,05 $ all’ora su quelli batch. Se vuoi un modello mentale di quanto costerebbe il modello medical se mai arrivasse su un’API, queste sono le tariffe che erediterebbe plausibilmente — allo stesso modo in cui Scribe v2 Medical ha ereditato i 0,20 $ di Scribe v2.

Quello che paghi effettivamente oggi è un abbonamento ElevenAgents, che raggruppa l'ASR con l'LLM dell'agente, la telefonia, il turn-taking e le chiamate agli strumenti. È una differenza reale nella forma, non solo nel numero: una piattaforma per agenti applica un prezzo al minuto di conversazione, e la conversazione include i token dell'LLM e l'output audio, quindi la quota del trascrittore non è separabile. I team che modellano i costi per minuto di ASR troveranno questo bundle opaco; i team che avevano comunque intenzione di assemblare un agente lo troveranno più economico della somma delle parti.

Da dove proviene la metà dell'agente deputata al ragionamento

Un agente vocale clinico è tre modelli in un trench: qualcosa che ascolta, qualcosa che decide e qualcosa che parla. Scribe v3 Live Medical copre il primo, e solo all'interno di ElevenAgents. Quello centrale è la parte che puoi instradare in modo indipendente — il modello che legge la trascrizione, verifica una regola di copertura, redige la nota o decide che la chiamata necessita di un umano. OrcaRouter mette 215 modelli dietro un'unica API a 0% di ricarico, facendo passare invariato il prezzo di listino di ogni fornitore, così il modello che ragiona su una trascrizione può essere sostituito, testato in A/B o messo in failover senza toccare il ramo ASR.

Per essere precisi su ciò che offriamo e ciò che non offriamo: OrcaRouter non ospita Scribe v3 Live Medical, Scribe v3 Live né alcun modello di trascrizione ElevenLabs, e nessuna delle tariffe sopra indicate è nostra. Ciò che instradiamo è il lato LLM della pipeline — i modelli Claude, Gemini, GPT, Qwen e DeepSeek che un agente clinico chiama dopo che le parole sono arrivate. I prezzi di questi sono quelli del provider stesso, senza ricarichi.

A section of the OrcaRouter site headed 'Zero markup. Zero black boxes.', with the line 'You pay each provider their exact list price. We add $0 per token' and further text explaining that cached and repeated prompt tokens bill at the provider's own cache rate and that cached_tokens appears on every receipt.

Chi dovrebbe agire su questo e chi dovrebbe aspettare?

Se usi ElevenAgents e ricevi chiamate di pazienti, membri o fornitori — pianificazione, intake, richieste di rinnovo, domande sui benefici — il caso per cambiare il menu a discesa ASR è semplice. Ottieni bias lessicale clinico, un modello di turno che attende gli ID dei membri e 10.000 termini personalizzati, senza alcuna voce di costo aggiuntiva. Il grafico PriMock57 è del fornitore, ma la direzione del miglioramento è la stessa riportata da ogni fornitore di ASR clinico, e l'elenco delle funzionalità è abbastanza specifico da poter essere testato.

Se non siete su ElevenAgents, aspettate. Qui non c’è nulla che sia richiamabile dal vostro stack, e il sostituto che ElevenLabs offre tramite l’API è un modello batch di settembre: Scribe v2 Medical, il 15% di errori in meno rispetto a Scribe v2 sullo split di test Eka Medical ASR, $0,20 all’ora, keyterms e diarizzazione inclusi. Per la documentazione ambientale elaborata dopo la visita, è un prodotto ragionevole ed è quello con una storia di conformità confermata. Per una chiamata dal vivo, le vostre opzioni restano i modelli real-time general-purpose, con una phrase list, e il divario di accuratezza che il fine-tuning medico dichiara.

La cosa da tenere d'occhio non è un aggiornamento del benchmark. È l'ID del modello. Quando scribe_v3_live_medical comparirà nel riferimento Speech to Text — o quando l'avviso di accesso anticipato relativo alle PHI scomparirà dalla pagina della documentazione — questo diventa un lancio su cui uno sviluppatore al di fuori della piattaforma di ElevenLabs può agire. Fino ad allora è un forte argomento a favore dell'acquisto della piattaforma, che è presumibilmente il punto.