
Scribe v3 Live Medical vs Gemini 3.5 Transcribe Live: 12,8% e 4,00% non sono lo stesso numero
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 89 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 88 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 44 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 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M di token · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenza
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenza
Mettere il 12,8% di Scribe v3 Live Medical accanto al 4,00% di Gemini 3.5 Transcribe Live e la questione della trascrizione in streaming sembra risolta a favore di Google di un fattore tre. Non è così, e il motivo è la cosa più utile di questa pagina: quei due numeri sono stati misurati su audio diversi, da organizzazioni diverse, per scopi diversi. Il 12,8% è il tasso di errore per parola di ElevenLabs su PriMock57 — 57 consultazioni simulate di assistenza primaria registrate, piene di nomi di farmaci, dosaggi e frasi lasciate a metà. Il 4,00% è il tasso di errore per parola in streaming di Artificial Analysis per Gemini 3.5 Transcribe Live sul suo harness generico per il parlato, con 0,40 secondi per una trascrizione finale. Una è una consultazione clinica; l'altra è una suite di benchmark. Confrontarli è lo stesso errore che confrontare il consumo di carburante di un'auto in pista con quello nel traffico cittadino e concludere che è cambiato il motore.
Metti da parte il falso confronto testa a testa e resta una scelta reale, che riguarda il deployment più che l'accuratezza. Gemini 3.5 Transcribe Live è un modello che chiami: gemini-3.5-transcribe-live, un endpoint WebSocket con un prezzo al minuto pubblicato, un livello gratuito e un limite di sessione di dieci minuti. Scribe v3 Live Medical è un modello che non puoi affatto chiamare — esiste solo come opzione ASR dentro ElevenAgents, in accesso anticipato, senza ID modello e senza una tariffa propria. Uno è infrastruttura. L'altro è una funzionalità di una piattaforma per agenti. Quale vuoi dipende da se stai costruendo un trascrittore o comprando un agente telefonico.
Cosa pubblica effettivamente ciascuna parte
Il confronto delle specifiche, dimensione per dimensione, così come ciascun fornitore le dichiara:
• Accesso — Gemini 3.5 Transcribe Live è un endpoint WebSocket della Live API (gemini-3.5-transcribe-live) con un piano gratuito; Scribe v3 Live Medical è selezionabile solo nelle impostazioni di Riconoscimento automatico del parlato di un agente ElevenAgents, e non tramite l'API Speech to Text.
• Prezzo — Gemini 3.5 Transcribe Live costa 3,50 $ per milione di token di input audio e 21,00 $ per milione di token di output testuale; Google stima rispettivamente 0,005 $ e 0,004 $ al minuto, circa 0,009 $ al minuto in combinazione; Scribe v3 Live Medical non ha un prezzo separato ed è incluso nella tariffazione di ElevenAgents.
• Accuratezza — Gemini: WER in streaming del 4,00% a 0,40 s dal risultato finale, secondo Artificial Analysis; Scribe: WER del 12,8% su PriMock57, eseguito dal fornitore, rispetto al 15,5%–17,2% di quattro modelli concorrenti in tempo reale.
• Adattamento al dominio — Gemini: bias del vocabolario personalizzato sulla variante batch, con diarizzazione e timestamp delle parole descritti nella scheda di Gemini 3.5 Transcribe; Scribe: un fine-tuning clinico e fino a 10.000 termini personalizzati senza costi aggiuntivi.
• Lingue — Gemini: oltre 85 lingue con cambio in corso; Scribe: oltre 90 lingue, miglioramenti in ambito medico misurati in inglese, francese e tedesco.
• Struttura della sessione — Gemini: una sessione WebSocket limitata a dieci minuti; Scribe: dura per tutta la durata della conversazione dell'agente.
• Conformità — Gemini: nella documentazione del modello non abbiamo trovato alcun posizionamento in ambito medico o HIPAA; Scribe: idoneo a HIPAA con un BAA e Zero Retention Mode, con un avviso esplicito di non inviare PHI al modello real-time in accesso anticipato finché non ne sia confermata l'idoneità.
Due di quelle righe decidono la maggior parte delle decisioni reali, e nessuna delle due è l'accuratezza. Il limite di dieci minuti è architetturale: una sessione deve essere assemblata per qualsiasi cosa più lunga di un sondaggio di un call center, e la giuntura è un tuo problema. L'assenza di un prezzo per il modello ElevenLabs è l'altra: non puoi inserirlo in un tariffario, perché è dentro un abbonamento che fattura anche l'LLM, la telefonia e la voce.

Trasformare la riga dell'accuratezza in qualcosa che puoi usare
C'è un modo legittimo per confrontare questi due, e richiede di eseguirli: ed è esattamente ciò da cui i grafici di marketing sono pensati per risparmiarti. Ciò che si può affermare sulla base delle prove pubblicate è più limitato:
Nello specifico, sulle conversazioni cliniche, ElevenLabs ha un numero misurato e Google no. Non è un'affermazione che Gemini 3.5 Transcribe Live sia scarso sui nomi dei farmaci — è un'affermazione che nessuno ha pubblicato un valore equivalente a PriMock57 per quel modello. Google offre il meccanismo di vocabolario personalizzato proprio per questo problema, e il bias del vocabolario sul modello batch è documentato; sull'endpoint Live la documentazione è più scarna rispetto a quella del modello batch corrispondente, e le funzionalità di diarizzazione e timestamp delle parole descritte nella scheda condivisa di Gemini 3.5 Transcribe non sono confermate esplicitamente per singolo endpoint.
Sull'audio conversazionale generico, Google ha un numero pubblicato in modo indipendente ed ElevenLabs ne ha uno gestito dal fornitore. Il 4.00% proviene da un tracker con un harness fisso e decine di modelli; il 12.8% proviene da un unico set di 57 consultazioni che ElevenLabs ha scelto ed eseguito. Entrambi sono utili. Nessuno dei due sopravvive alla sottrazione dall'altro.
La versione pratica: se il tuo carico di lavoro è fatto di chiamate cliniche, usa un campione in stile PriMock57 tratto dalle tue registrazioni — due parlanti, un prontuario reale nella stanza, almeno un chiamante che legge ad alta voce un ID membro — ed esegui entrambi. Se si tratta di trascrizione in streaming generica con un po' di gergo, il numero pubblicato da Google è il punto di partenza più facilmente verificabile e il suo bias del vocabolario coprirà gran parte del carico specifico del dominio.

La differenza clinica sta nelle pause, non nelle parole.
La funzionalità che ElevenLabs ha sviluppato e che la documentazione di Google non descrive è la previsione del turno. Il modello di turno di Scribe v3 Live Medical usa il contesto della conversazione anziché il solo silenzio per stabilire che un chiamante ha finito, ed è questa la differenza tra un agente che risponde dopo «il mio ID membro è 4-4-2» e uno che aspetta l'ultima cifra. Gli esempi di ElevenLabs sono esattamente le stringhe che mettono in crisi l'endpointing basato sul silenzio: ID dei membri, date di nascita, numeri di telefono, dosaggi pronunciati per esteso.
Gemini 3.5 Transcribe Live sposta lo stesso problema di un livello più in alto nello stack. La sua documentazione lo descrive come un modello di trascrizione in streaming bidirezionale; il punto in cui termina il turno è deciso dal framework di agenti che gli sta sopra, e la proposta di Google per gli agenti vocali passa attraverso la gestione dei turni propria della Live API anziché un modello di turno specifico per la trascrizione. È un'architettura perfettamente valida ed è diversa: la logica di endpointing è tua, e sarai tu a calibrarla. In una chiamata clinica in cui un paziente si ferma a metà di un sintomo per riflettere, questa calibrazione non è cosmetica.
Il confronto dei costi, fatto onestamente
Il sistema di misurazione di Google è abbastanza trasparente da consentire di fare un calcolo. Prendi una clinica che gestisce 40 ore di chiamate in diretta al giorno, 22 giorni al mese: 52.800 minuti. A un costo stimato di 0,009 $ al minuto, considerando una tariffa mista, si tratta di circa 475 $ al mese per la parte di trascrizione, ed è una voce di costo che puoi prevedere, limitare e discutere al rinnovo.
Il lato ElevenLabs non produce una cifra comparabile, e chiunque ne citi una sta tirando a indovinare. Il riferimento pubblicato più vicino è il listino prezzi delle API — Scribe v3 Live a $0,22 all'ora, keyterm prompting a $0,08 all'ora — ma Scribe v3 Live Medical non viene venduto in quel modo. È all'interno di ElevenAgents, con prezzo al minuto di conversazione, e la conversazione include i token LLM, la sintesi vocale e la telefonia. Questo bundling è o uno sconto o un lock-in, a seconda di ciò che avresti altrimenti assemblato, e non può essere stabilito da una pagina di prezzi.
Una cosa che però si trasferisce: se finisci per eseguirli entrambi — Google per la trascrizione, un LLM di tua scelta per il ragionamento — è nella seconda parte che risiedono le decisioni di routing. OrcaRouter serve 215 modelli dietro un'unica API compatibile con OpenAI a markup 0%, con i prezzi di listino dei provider passati invariati, quindi il modello che legge la trascrizione di Gemini può essere sostituito o sottoposto a failover senza toccare il codice ASR. Non serviamo nessuno dei due modelli di trascrizione su questa pagina, e nulla di quanto sopra è il nostro prezzo.

Quale scegliere?
Scegli Gemini 3.5 Transcribe Live se stai sviluppando il prodotto invece di acquistarlo. È l'unico dei due a essere un modello richiamabile con un prezzo pubblicato, un livello gratuito per la valutazione e un endpoint che puoi mettere dietro il tuo ciclo di agenti. Il limite di dieci minuti per sessione è il vincolo attorno a cui progettare, e l'assenza di un benchmark clinico è la lacuna da colmare con i tuoi audio e una lista di vocaboli personalizzata.
Scegli Scribe v3 Live Medical se hai già deciso che l'agente è un problema di ElevenLabs — e se la tua posizione di conformità consente un modello in accesso anticipato, cosa che la documentazione attualmente afferma non essere consentita, per i PHI, finché l'idoneità non sia confermata. Il fine-tuning clinico e il modello di turno sono vantaggi reali in una chiamata dal vivo con un paziente, e il divario di PriMock57 rispetto ai modelli in tempo reale concorrenti è la più forte prova pubblicata che l'adattamento clinico serva a qualcosa. Semplicemente, non costituisce una prova su Gemini, e Gemini non costituisce una prova su di esso.
Il numero da tenere d'occhio non è l'uno o l'altro WER. È se Scribe v3 Live Medical arriverà mai ad avere un ID di modello tutto suo. Il giorno in cui ciò accadrà, questo confronto diventerà normale — due endpoint richiamabili, due misuratori, un benchmark che si può eseguire — e il 12,8% diventerà qualcosa che un acquirente può effettivamente verificare.
Confrontati in questo articolo1
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
