タイトルカードには「Scribe v3 Live Medical」と表示され、サブタイトルは「電話をかけられない臨床文字起こしツール」。その下に簡単なフロー図があります。電話の受話器に「患者の通話」とラベルが付けられ、それが「ElevenAgents」とラベル付けされた角丸のボックスに送られ、その横には灰色表示で取り消し線の入ったボックスが「Speech to Text API」とラベル付けされています。
Guides & Insights

Scribe v3 Live Medical:ElevenLabsは、呼び出すことのできない臨床トランスクライバーを開発した

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Scribe v3 Live Medical について最も興味深い事実は、精度の数値ではなくデプロイメント上の事実だ。モデル ID が存在しないのである。ElevenLabs はこのモデルを出荷し、ドキュメントを用意し、臨床音声でベンチマークし、医療顧客の前に出した。そしてその後、ほとんどの開発者が使う唯一の入口を閉ざした。これは ElevenAgents 内で動作し、エージェントの設定にある ASR ドロップダウンから選択する。そして Speech to Text API 経由では明示的に利用できない。医療音声向けの API モデルは依然として Scribe v2 Medical であり、9月のバッチモデルだ。したがって、ElevenLabs が2026年11月9日に Scribe v3 ファミリーのローンチの一環として発表したもの——録音音声とリアルタイム音声向けの Scribe v3 と Scribe v3 Live、そして医療向けリアルタイムファインチューンがアーリーアクセスへ続くというもの——は、モデルの名前をまとったプラットフォーム機能と理解するのが最も適切だ。

そのフレーミングが、このリリースがあなたにとって重要かどうかを決める。ElevenLabsのエージェントランタイム上で臨床用音声エージェントを構築しているなら、同社が持つ最高のリアルタイム医療ASRは、今やドロップダウン一つ先にある。それ以外の場所でそのエージェントを構築しているなら、このリリースはあなたの選択肢を何も変えていない。そしてElevenLabsが公開したベンチマークチャートは、あなたが利用することのできないモデルについてのチャートだ。

実際に何が出荷され、いつ出荷されたのか

ElevenLabsのチェンジログでは、このファミリーのローンチ日を2026年11月9日としています。scribe_v3は録音音声用で、既存の文字起こしエンドポイント上のscribe_v2を置き換えるもの、そしてscribe_v3_liveはリアルタイムWebSocket上のものとされています。どちらもそれぞれ27%と44%の相対的改善として文書化されています。Scribe v3はFLEURSにおいて単語誤り率を16.94%から12.38%に低減し、Scribe v3 LiveはScribe v2 Realtimeと比較して意味的WERが44%低いと主張しています。どちらの数値も医療向けの数値ではありません。これらは、医療向けバリアントの基盤となるファミリーの汎用数値です。

医療向けバリアントは、モデルドキュメントとElevenLabsの医療用文字起こしページに別々に登場しており、ローンチ投稿では異例だがプラットフォーム機能ではありふれている3つの属性を備えています:

• 可用性 — ElevenAgents のみ。Speech to Text API では利用できず、渡すモデル ID もありません。

• ステータス — 早期アクセスで、有効化されているワークスペースに限定され、同社のturn_v3ターンモデルが必要です。

• コスト — 個別の料金設定はありません。ElevenLabsによると、標準のElevenAgents料金に含まれており、最大10,000件のカスタム用語を追加料金なしで利用できます。

それを、通常のAPI製品であるScribe v2 Medicalと比較してみてください。モデルIDとしてscribe_v2_medicalを渡し、1時間あたり$0.20を支払います。Scribe v2と同じ料金です。v3の医療モデルはその扱いを受けませんでした。ドロップダウンが用意されただけでした。

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'.

重要な主張は臨床的なもので、小規模な公開データセットに関するものだ。

ElevenLabsがScribe v3 Live Medicalで打ち出す数値はFLEURSの数字ではない。それはPriMock57だ。研究用に録音された57件の模擬プライマリケア診療であり、小規模で公開されており、読み上げ音声よりも実際の臨床通話の音響特性にはるかに近い。このセットでElevenLabsは、テストしたリアルタイムモデルの中で最も低い単語誤り率を報告している。Scribe v3 Live Medicalが12.8%、これに対してAssemblyAIのUniversal-3.6 Pro Realtime(医療モード)が15.5%、Speechmatics Oak-1が16.3%、Deepgram Nova-3 Pharmaが17.0%、Nova-3 Medicalが17.2%だ。

これらはベンダーが実施した数値であり、ベンダーが選択したベンチマークに基づくものです。正直に解釈すれば限定的で、57件の診療相談からなる1つのセットにおいて直近の競合との差が2.7ポイントあることは、臨床向けファインチューニングが役立つという実質的なシグナルではありますが、あなたの循環器クリニックの電話音声が同じ順位になる保証ではありません。ElevenLabs以外にこれを再現した人はおらず、またこのセットは、通話ごとのばらつきが差よりも大きくなるほど小さいものです。

より有用な開示は、医療文字起こしページ自身のFAQの中に埋もれており、異例なほど率直だ。文脈のない孤立した薬剤名は、あらゆるモデルにとって最も難しいケースであり、ElevenLabsの助言は、想定される用語へ認識を偏らせるためにキータームプロンプティングを使うことだ。これは、自社のファインチューニングがどこで限界を迎えるかを企業が明かしているということだ。文中にある薬剤名——「彼はメトホルミン1000を1日2回服用している」——は解決可能な問題であり、そのページのサンプル文字起こしはまさにその形から作られている。電話をかけた人が処方薬を繰り返すよう求められたときのように、薬剤名だけを読み上げるのは、誰にとっても依然として難しい。

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.'

ターン検出は、これを医療モデルたらしめる機能です。

このリリースで臨床エージェントの体感を変えるのは、精度ではない。ターン予測だ。汎用ストリーミングASRは無音を検出すると文字起こしセグメントを確定する。そのため音声エージェントは、会員ID、生年月日、電話番号、ゆっくり区切って読み上げられる投与量といった長い文字列を読み上げている人を遮ってしまう。Scribe v3 Live Medicalのターンモデルは会話コンテキストを使って、発信者が実際に話し終えた時点を判断する。そのためエージェントは会員IDの途中の間合いを待ち、最初の3桁に応答したりはしない。

その挙動は、turn_v3モデルがASRと組み合わさった際の特性であり、Scribe v3 Live 全般で利用可能で、医療向けファインチューニングに限ったものではありません。医療バリアントが追加するのは、その下にある語彙バイアスです。つまり、そもそも崩れていた臨床用語を90以上の言語で認識するもので、通話中に通話者が言語を切り替えても追随する多言語モードを備えています。ElevenLabsによると、医療精度の改善は英語、フランス語、ドイツ語で測定されたとのことで、これは90以上の言語サポートよりも狭い主張であり、別途明示する価値があります。

コンプライアンスの文言こそ、二度読むべきものです。

ElevenLabsの医療文字起こしページによると、両モデルは、Business Associate Agreementを締結し、Zero Retention Modeを有効にしたEnterprise顧客に対してHIPAA対象となり得るもので、ZRMをオンにすると、処理後に音声入力と文字起こし出力は保持されないとされています。Scribe v3 Live Medicalのドキュメントページには、より断定的で不便なことが書かれています。このモデルについてHIPAA対象であることが確認されるまで、Scribe v3 Live Medicalに保護対象保健情報を送信しないでください。また、早期アクセス期間中はEUデータレジデンシーは利用できません。

どちらの文もElevenLabs自身のサイトに掲載されており、同じ文ではありません。整合させた読み方は、医療分野の一般的なコンプライアンス体制—BAA、ZRM、SOC 2、GDPR—はプラットフォームとGA(一般提供)の医療製品Scribe v2 Medicalを説明している一方、アーリーアクセスのリアルタイムモデルは独自の適格性確認作業を終えていない、というものです。カバードエンティティにとっては、文書上の警告が支配的です。HIPAA適格性が確認されていないアーリーアクセスモデルは、マーケティングページの比較表が何を示唆していようと、PHIを置く場所ではありません。それは一時的な状態であり、今四半期にコンプライアンスレビューを止める可能性が最も高い単一の事実でもあります。

正直に言うと、いくらかかるのか

Scribe v3 Live Medical には独自の課金メーターがないため、1分あたりの価格を提示することはできません。最も近い公開数値は、このファミリーが API 上で設定しているものです。Scribe v3 は音声1時間あたり0.20ドル、Scribe v3 Live は1時間あたり0.22ドル、キータームプロンプティングはリアルタイムモデルで1時間あたり0.08ドル、バッチモデルで1時間あたり0.05ドルです。医療モデルが万一 API に到達した場合にいくらかかるかを頭の中でモデル化したいなら、それがおそらく引き継ぐであろう料金はこれらです。ちょうど Scribe v2 Medical が Scribe v2 の0.20ドルを引き継いだのと同じです。

今日実際に支払っているのはElevenAgentsのサブスクリプションで、これにはASRがエージェントのLLM、テレフォニー、ターンテイキング、ツール呼び出しとまとめて含まれています。これは単に数字が違うだけでなく、構成そのものが異なります。エージェントプラットフォームは会話1分あたりで価格設定され、会話にはLLMトークンと音声出力が含まれるため、文字起こし部分の割合を切り分けることはできません。ASRの分単位でコストをモデル化するチームには、このバンドルは不透明に映るでしょう。一方、どのみちエージェントを組み立てようとしていたチームには、部品の合計より安くつくでしょう。

エージェントの推論を担う部分はどこから来るのか

臨床用ボイスエージェントは、トレンチコートを着た3つのモデルでできています。何かを聴き取るもの、何かを判断するもの、何かを話すものです。Scribe v3 Live Medical が最初の部分を担い、しかもそれは ElevenAgents の中でしか使えません。真ん中の部分こそ、独立してルーティングできる部分です — 文字起こしを読み、カバレッジのルールを確認し、ノートの下書きを作り、あるいは通話に人間が必要だと判断するモデルです。OrcaRouter は215 のモデルをマークアップ 0% で 1 つの API の背後に置き、各プロバイダーの定価をそのまま変えずに通し、文字起こしを推論するモデルを、ASR のレッグに触れることなく差し替えたり、A/B テストしたり、フェイルオーバーさせたりできます。

当社が提供するものと提供しないものについて正確に言うと、OrcaRouter は Scribe v3 Live Medical、Scribe v3 Live、および ElevenLabs のいかなる文字起こしモデルもホストしておらず、上記の料金はいずれも当社のものではありません。当社がルーティングするのはパイプラインの LLM 側です — 言葉が届いた後に臨床エージェントが呼び出す Claude、Gemini、GPT、Qwen、DeepSeek のモデルです。これらの料金はプロバイダー自身のもので、上乗せはありません。

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.

誰がこれに対応すべきで、誰が待つべきか

ElevenAgentsを使用していて、患者・会員・医療提供者からの電話(予約、受付・問診、処方薬の補充依頼、給付に関する質問など)に対応しているなら、ASRのドロップダウンを切り替える理由は明快です。臨床語彙バイアス、会員IDの読み上げを待つターンモデル、10,000件のカスタム用語が、追加の料金項目なしで利用できます。PriMock57のチャートはベンダーのものですが、改善の方向性は、どの臨床ASRベンダーも報告しているものと同じであり、機能リストはテストできるほど具体的です。

{{1}}ElevenAgents{{/1}}を使っていないなら、待ってください。ここにあるものはどれもあなたのスタックからは呼び出せません。また、ElevenLabsがAPI経由で提供する代替は9月のバッチモデルです。{{2}}Scribe v2 Medical{{/2}}は、{{4}}Eka Medical ASR{{/4}}のテスト分割で{{3}}Scribe v2{{/3}}よりエラーが15%少なく、1時間あたり$0.20で、キータームとダイアライゼーションを含みます。診察後に処理されるアンビエントドキュメンテーションとしては、それは妥当な製品であり、コンプライアンスについて確認済みの説明があるのはそれです。ライブ通話の場合、選択肢は依然として、フレーズリスト付きの汎用リアルタイムモデルであり、医療向けファインチューニングが主張する精度差が残ります。

注目すべきはベンチマークの更新ではない。モデルIDだ。scribe_v3_live_medicalがSpeech to Textリファレンスに登場したとき——あるいはPHIに関する早期アクセス警告がドキュメントページから消えたとき——これはElevenLabsのプラットフォーム外の開発者が行動に移せるローンチになる。それまでは、このプラットフォームを購入する強い根拠であり、おそらくそれが狙いなのだろう。