
Scribe v3 Live Medical vs GPT Transcribe: due orologi diversi
- 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
Questi due modelli non sono concorrenti, e il modo più rapido per sprecare un trimestre è trattarli come se lo fossero. GPT Transcribe è il modello di riconoscimento vocale offline di OpenAI: invii un file audio già completato all'endpoint delle trascrizioni e ricevi indietro una trascrizione completa e formattata. Non è in grado di ascoltare una chiamata in corso — la documentazione ufficiale di OpenAI lo afferma esplicitamente e indirizza chiunque abbia bisogno dello streaming verso gpt-live-transcribe o gpt-realtime-whisper invece. Scribe v3 Live Medical ha la forma opposta: un fine-tuning clinico in tempo reale che esiste solo all'interno di ElevenAgents, in grado di trascrivere le chiamate di pazienti, membri e fornitori mentre l'interlocutore è ancora in linea, così che un agente possa reagire a un dosaggio prima che la frase sia terminata.
La domanda onesta non è quale modello sia migliore. È su quale orologio gira il tuo workflow. Se un umano o un modello deve agire durante la conversazione — rispondere a una domanda, verificare un beneficio, individuare una controindicazione — GPT Transcribe è squalificato prima ancora che inizi qualsiasi confronto sull'accuratezza, e l'unica opzione OpenAI in quel segmento costa 3,8 volte tanto al minuto. Se la trascrizione è un documento prodotto a posteriori, Scribe v3 Live Medical è inutilizzabile per un motivo completamente diverso: non ha API, né ID modello, né prezzo, e non può essere richiamato da nulla che non sia un agente ElevenAgents.
L'orologio su cui ognuno funziona
La tariffa di GPT Transcribe è di $0,0045 al minuto, ovvero $0,27 per ora di audio, e i suoi vincoli sono quelli di un file: l'endpoint di trascrizione di OpenAI accetta fino a 25 MB per richiesta e il modello restituisce una trascrizione con i suggerimenti linguistici applicati. Non esiste un risultato parziale, perché non c'è nulla che possa esserlo. Per una visita registrata, una nota dettata, una serie di chiamate archiviate, questa è esattamente la forma giusta ed è uno dei modi meno costosi per estrarre parole dall'audio.
La linea streaming di OpenAI è una linea di prodotto diversa con una tariffa diversa: gpt-live-transcribe viene fatturato a 0,017 $ al minuto, circa 1,02 $ per ora di audio. Questo è il prezzo del tempo — 3,8 volte la tariffa batch per la trascrizione dello stesso fornitore, prima di qualsiasi discussione sull'accuratezza. È anche il luogo in cui risiede davvero la competenza di OpenAI nella trascrizione in tempo reale, e se confronti la trascrizione live con la trascrizione live, quello è il modello da contrapporre a Scribe v3 Live, non GPT Transcribe.
L'orologio di Scribe v3 Live Medical è la durata di una conversazione all'interno di ElevenAgents. Non c'è alcun file. C'è un flusso in forma di WebSocket gestito dalla piattaforma, un modello di turno che decide quando un chiamante ha finito di parlare e una trascrizione che l'agente consuma per agire. ElevenLabs non pubblica un dato di latenza per la variante medicale; il dato della famiglia è che Scribe v3 Live ha un tasso di errore semantico sulle parole inferiore del 44% rispetto a Scribe v2 Realtime, il cui tempo mediano per una trascrizione definitiva è di circa 150 ms. ElevenLabs afferma che il fine-tuning medicale eguaglia Scribe v3 Live in termini di latenza.

Accuratezza: un numero verificato, un numero del fornitore, nessuna sovrapposizione
GPT Transcribe ha un tasso di errore sulle parole pubblico e misurato in modo indipendente: 3,31% sul benchmark AA-WER di Artificial Analysis, che lo ha collocato al nono posto tra circa cinquanta sistemi monitorati al momento del suo lancio, nel luglio 2026, con punteggi parziali del 2,22% sull'audio di conversazioni con agenti, del 2,72% su VoxPopuli e del 6,10% sulle chiamate sugli utili. La dispersione all'interno di quel singolo dato è la parte interessante: le chiamate sugli utili, con i loro accenti, le sovrapposizioni di voci e il gergo di dominio, sono per esso quasi tre volte più difficili del parlato pulito degli agenti. Una consultazione clinica si colloca da qualche parte in quella dispersione, e nessuno ha misurato dove.
Il valore di Scribe v3 Live Medical è un tasso di errore sul numero di parole del 12,8% su PriMock57, il set scelto da ElevenLabs di 57 consultazioni simulate di assistenza primaria, contro il 15,5%-17,2% di quattro modelli concorrenti in tempo reale nella stessa prova del fornitore. Non è confrontabile con il 3,31% in nessuna delle due direzioni, e non solo per via del corpus: i due valori provengono da harness diversi, condizioni audio diverse e, cosa cruciale, latenze diverse. Un modello batch può esaminare l'intero file; un modello in streaming si pronuncia senza sapere cosa viene dopo. Il WER in streaming è sistematicamente peggiore del WER batch sullo stesso audio, ed è per questo che Artificial Analysis pubblica i due su classifiche separate.
L'affermazione difendibile: GPT Transcribe è un modello batch ben misurato, con percentuali basse a una sola cifra sul parlato generico; Scribe v3 Live Medical è un modello streaming misurato dal fornitore che supera di circa tre punti i suoi concorrenti in tempo reale sull'audio clinico; e non esiste alcun esperimento pubblico che li metta sulla stessa registrazione.

L'adattamento al dominio, ed è qui che sta la vera differenza
Il vocabolario clinico è il motivo stesso per cui esiste il modello ElevenLabs, e affronta il problema su due fronti: un fine-tuning addestrato sui nomi dei farmaci, sull'anatomia e sulla patologia, e un meccanismo keyterm che accetta fino a 10.000 termini personalizzati — un formulario, un elenco di professionisti sanitari, un dizionario specialistico — inclusi senza costi aggiuntivi. ElevenLabs è onesta riguardo al limite, nella propria FAQ: il modello applica un termine solo quando l'audio è una corrispondenza probabile, e i nomi dei farmaci isolati e privi di contesto rappresentano il caso più difficile per qualsiasi modello. La sua trascrizione di esempio è costruita sulla forma più semplice: un nome di farmaco all'interno di una frase con un dosaggio associato.
L'approccio di OpenAI si basa su istruzioni anziché sul fine-tuning. GPT Transcribe accetta elenchi di parole chiave e un prompt in forma libera che descrive l'argomento dell'audio e, sul fronte realtime, il modello porta avanti i turni trascritti in precedenza come contesto. La misurazione di questo condizionamento effettuata da OpenAI stessa, sul suo benchmark Context Aware ASR, ha innalzato l'accuratezza semantica dal 38,5% al 44,6% per il modello live — un dato dichiarato dal fornitore, che misura se il significato è sopravvissuto anziché se le parole erano corrette.
Il compromesso pratico, ed è reale: un modello condizionato dal prompt può essere drammaticamente migliore del suo benchmark grezzo quando gli dici cosa aspettarsi, e può allucinare le parole chiave che gli hai fornito. Metti "metformin" nel prompt e un modello che non riesce a sentire chiaramente la parola potrebbe comunque produrla. Un modello con bias sui termini chiave peggiora in modo più graduale, perché il bias sposta la probabilità invece di affermare la presenza. Nessuna delle due modalità di errore compare in una classifica. Entrambe compaiono nelle note cliniche, dove un dosaggio allucinato è peggio di uno spazio vuoto.
La questione della conformità si decide in base alla forma, non alla scheda di valutazione.
Per un'entità coperta, questa è la sezione che conclude effettivamente la valutazione. ElevenLabs afferma che Scribe v2 Medical — la controparte batch, quella che puoi chiamare tramite l'API — è idoneo a HIPAA con un Business Associate Agreement e la Zero Retention Mode, e che con ZRM abilitata l'audio e la trascrizione non vengono conservati dopo l'elaborazione. La sua documentazione aggiunge un avvertimento più fermo per il modello real-time in accesso anticipato: non inviare informazioni sanitarie protette a Scribe v3 Live Medical finché non ne sia confermata l'idoneità a HIPAA, e la residenza dei dati UE non è disponibile durante l'accesso anticipato. Queste due affermazioni coesistono sul sito di ElevenLabs e non sono la stessa affermazione.
Dal lato OpenAI, l'endpoint di trascrizione è una normale API aziendale con la consueta gestione dei dati; non è venduto come prodotto clinico e non include alcun fine-tuning medico. Ciò che invece offre è il vantaggio pratico di essere un modello batch: le PHI escono dal tuo perimetro una sola volta, in un file da te scelto, per una durata che conosci, e tornano indietro come testo che archivi tu stesso. Non c'è alcun flusso persistente di cui preoccuparsi.
Questa asimmetria taglia in una direzione inaspettata. Una pipeline batch è più facile da rendere conforme proprio perché ha meno parti in movimento, e se il tuo flusso di lavoro clinico tollera qualche minuto di ritardo — documentazione ambientale revisionata dopo la visita, una nota abbozzata da far firmare a un clinico — GPT Transcribe con un prompt accurato e una lista di parole chiave rappresenta una storia di conformità più semplice rispetto a un modello real-time in accesso anticipato che non è ancora idoneo per i PHI.
Costo per mille chiamate, entrambe le forme
Mille chiamate cliniche da dieci minuti equivalgono a 10.000 minuti. Su GPT Transcribe sono 45 dollari. Sulla linea live di OpenAI sono 170 dollari. Su Scribe v3 Live Medical non c'è alcun numero da calcolare, perché il modello è all'interno di un abbonamento ElevenAgents con prezzo per minuto di conversazione, raggruppato con l'LLM, la sintesi vocale, la telefonia e la gestione dei turni. Se quel pacchetto sia più economico di 45 dollari più il tuo stack di agenti dipende interamente da quanto costa il tuo stack di agenti, e il prezzo di ElevenLabs non è scomponibile in una voce ASR.
Ciò che è scomponibile è la parte di ragionamento, ed è quella che scala con la durata della chiamata anziché con la durata dell'audio. Un agente clinico che legge una trascrizione e decide qualcosa chiama un LLM a ogni turno; OrcaRouter serve 215 modelli dietro un'unica API compatibile con OpenAI a markup 0%, con i prezzi di listino dei provider trasferiti invariati, quindi il modello dietro ciascuno dei due trascrittori può essere sostituito o può ricevere failover automatico senza toccare il percorso audio. Non forniamo Scribe v3 Live Medical né alcun modello di trascrizione OpenAI, e nessuna delle tariffe sopra indicate è nostra.

Come decidere
Se la trascrizione deve esistere mentre il chiamante sta ancora parlando, GPT Transcribe è il modello sbagliato e il confronto onesto è con l'endpoint live di OpenAI da 0,017 $ al minuto. Vai su ElevenAgents se vuoi un fine-tuning clinico con rilevamento dei turni e accetti la posizione di conformità per l'accesso anticipato; vai sul canale live di OpenAI se vuoi un endpoint chiamabile, un prezzo pubblicato e condizionamento del contesto, e sei pronto a testare le allucinazioni sul tuo formulario.
Se il trascritto è un documento, non c'è partita. GPT Transcribe è più economico, sottoposto a benchmark indipendenti, utilizzabile oggi e con licenza esattamente per il flusso di lavoro file-in-testo-out che hai. La risposta di ElevenLabs stessa in quel segmento è Scribe v2 Medical a 0,20 $ l'ora con il 15% di errori in meno rispetto a Scribe v2 su audio di test clinici — un vero concorrente, e diverso dal modello indicato in questo titolo.
La trappola in questo accostamento è che entrambi i nomi contengono la parola transcribe e entrambi i fornitori pubblicano un tasso di errore sulle parole, così il confronto si scrive da solo. Non dovrebbe. Un modello legge i file; l'altro ascolta le persone. Scegliete prima il parametro temporale, poi discutete di accuratezza al suo interno.
