제목 카드에는 'Scribe v3 Live Medical vs MAI Transcribe 2 Streaming'이 적혀 있고, 부제는 '가격이 있는 것은 하나뿐'입니다. 그 아래에는 둥근 카드 두 장이 나란히 있습니다. 왼쪽 카드는 '호출 가능'이라는 제목 아래 모델 ID, 시간당 요금, Azure 리전 4개를 나열합니다. 오른쪽 카드는 '번들 포함'이라는 제목 아래 'ElevenAgents 가격에 포함됨'이라는 한 줄을 표시하며, 모델 ID 행은 회색으로 처리되어 있습니다.
Guides & Insights

Scribe v3 Live Medical vs MAI Transcribe 2 Streaming: 가격이 있는 것은 단 하나뿐

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

{{1}}Scribe v3 Live Medical{{/1}}과 {{2}}MAI-Transcribe-2-Streaming{{/2}}을 나란히 놓으면 첫 번째 차이는 정확도, 지연 시간, 언어 수가 아닙니다. 그것은 둘 중 하나는 제품이고 다른 하나는 기능이라는 점입니다. {{3}}MAI-Transcribe-2-Streaming{{/3}}에는 API에 전달하는 모델 문자열, 공개된 요금, 프리뷰 상태, 이름이 지정된 네 개의 Azure 지역, 문서화된 두 가지 통합 경로가 있습니다. {{4}}Scribe v3 Live Medical{{/4}}에는 {{5}}ElevenAgents{{/5}} 에이전트 설정의 드롭다운, 얼리 액세스 게이트가 있으며, 구독에 포함되어 있어 자체 가격은 없습니다. Microsoft는 전사기를 출시했고, {{6}}ElevenLabs{{/6}}는 자사가 판매하는 플랫폼 안의 기능을 출시했습니다.

그 비대칭성 때문에 정확도 비교는 이 페이지에서 가장 쓸모없는 부분이 되고, 조달 비교는 가장 쓸모 있는 부분이 된다. 그래도 수치는 밝힐 가치가 있다. Microsoft의 수치가 더 공격적이기 때문이다. 최종 전사까지 0.13초에 스트리밍 단어 오류율 2.5%를 주장하는 반면, ElevenLabs는 임상 모의 상담에서 12.8%를 기록한다. 이 두 수치는 다섯 배 차이가 나며 거의 공통점을 설명하지 못한다. 바로 그렇기 때문에 이 비교에는 결론보다 신중함이 필요하다.

Microsoft가 실제로 출시한 것

MAI-Transcribe-2-Streaming은 Microsoft AI의 사내 배치 모델인 MAI-Transcribe-2의 실시간 동반 모델입니다. 2026년 10월 1일 공개 미리 보기로 출시되었으며, 배치 릴리스 후 약 한 달 만에 나왔고, 별도의 AI 엔드포인트가 아니라 Azure의 음성 스택을 통해 제공됩니다. 문서화된 두 가지 통합 경로가 있습니다. 하나는 OpenAI Realtime 호환 WebSocket이고, 다른 하나는 연결 관리, 재시도, 오디오 스트리밍을 대신 처리해 주는 Azure Speech SDK입니다. 둘 다 제자리에서 갱신되는 중간 결과와 각 세그먼트를 확정하는 최종 결과를 반환합니다.

Microsoft가 여기에 붙인 주장은—바로 그런 것이기 때문에 공급업체 주장으로 표시된—Artificial Analysis의 스트리밍 평가에서 최종 및 부분 전사 모두에서 정확도 1위이며, 단어 오류율 2.5%로 발화 종료 후 0.13초 만에 최종 전사가 준비되고 0.12초 시점의 첫 부분 전사에서도 2.5%를 기록했다는 것입니다. 배치 출시도 공유했던 중요한 단서는 다음과 같습니다: 트래커는 이 모델을 행으로 표시하지 않았습니다. Microsoft는 제3자의 방법론에 대한 결과를 주장하는 것이지, 제3자가 발표한 측정치를 인용하는 것이 아닙니다. 작성 당시 보드의 실제 스트리밍 선두는 Grok Voice Transcribe 2.0으로 2.73% 및 0.49초였습니다.

그 밖의 모든 사항은 평범하며 잘 문서화되어 있습니다. 자동 연속 언어 감지를 지원하는 60개 언어, Hinglish 및 Spanglish 같은 혼합 언어 쌍을 위한 코드 스위칭, 노이즈 견고성 관련 주장, 그리고 Sweden Central, Central US, East US 2 및 Southeast Asia에서의 가용성입니다. 미리 보기 고지 문구는 표준 Azure 표현으로, 서비스 수준 계약이 없으며 프로덕션 워크로드에는 권장되지 않습니다.

The Microsoft Learn page 'MAI-Transcribe in Azure Speech', showing the Azure documentation navigation and the speech service sidebar with entries including 'Use a MAI-Transcribe model', 'Language support' and 'Speech service overview'.

ElevenLabs가 출시한 것, 그리고 그것이 왜 다른 범주에 속하는지

Scribe v3 Live Medical은 2026년 11월 9일에 출시된 Scribe v3 제품군에 속하며, 해당 제품군의 의료 실시간 모델입니다. ElevenLabs 문서는 그 경계를 명확히 밝히고 있습니다. 이 모델은 ElevenAgents에서만 사용할 수 있고, Speech to Text API로는 사용할 수 없으며, API를 통해 의료 전사를 원한다면 시간당 $0.20의 배치 모델인 Scribe v2 Medical을 사용해야 합니다. 이는 모델 ID를 갖춘 일반 제품입니다.

세 가지 결과가 뒤따르며, 이는 어떤 WER 수치보다도 더 중요합니다:

• 가격을 책정할 수 없습니다. 이는 표준 ElevenAgents 가격에 포함되어 있으며, 대화 분당으로 청구되고 ASR을 에이전트의 LLM, 전화 통신, 음성 합성 및 도구 호출과 함께 묶습니다. 분리 가능한 ASR 요금이 없으므로 비교 스프레드시트에 넣을 숫자도 없습니다.

• 플랫폼 외부에서는 직접 벤치마크할 수 없습니다. 공개된 유일한 수치는 ElevenLabs가 PriMock57(57개의 모의 일차진료 상담)에서 자체 실행한 결과로, 여기서 12.8%를 기록했으며 이는 의료 모드의 AssemblyAI Universal-3.6 Pro Realtime의 15.5%, Speechmatics Oak-1의 16.3%, Deepgram Nova-3 Pharma의 17.0%, Nova-3 Medical의 17.2%와 비교됩니다.

• 아직 PHI를 보낼 수 없습니다. 문서에는 분명히 나와 있습니다. HIPAA 자격이 확인될 때까지 보호 건강 정보를 Scribe v3 Live Medical에 보내지 마십시오. 또한 얼리 액세스 기간에는 EU 데이터 레지던시를 사용할 수 없습니다. 이는 마케팅 페이지의 일반적인 "HIPAA 적격" 문구보다 더 강한 진술이며, 컴플라이언스 담당자가 읽게 될 바로 그 문구입니다.

A two-column scoreboard titled 'Scribe v3 Live Medical vs MAI Transcribe 2 Streaming — the scoreboard', with the rows Price (no ASR rate vs $0.54 per audio hour), Accuracy (12.8% PriMock57 vs 2.5% claimed), Latency (not published vs 0.13s to final), Languages (90+ vs 60), Status (early access vs public preview) and Integration (ElevenAgents only vs Realtime API or Speech SDK), and a footer reading 'Microsoft figures are claims not yet plotted by Artificial Analysis; ElevenLabs figures vendor-run.'

2.5% 대 12.8%는 5배 격차가 아니다

그것은 하나처럼 보인다. 하지만 아니다. 세 가지 이유가 있으며, 각각은 서로 다른 종류의 측정 문제다.

말뭉치가 다릅니다. Artificial Analysis의 스트리밍 하네스는 다양한 언어와 조건에 걸쳐 일반 음성을 측정합니다. PriMock57은 두 사람이 증상, 처방, 검사 결과를 논의하는 일반의(GP) 모의 진료 57건입니다. 임상 상담은 모든 모델에게 더 어렵습니다. ElevenLabs 자체 차트에 따르면 경쟁 실시간 엔진 네 개가 해당 세트에서 15.5%에서 17.2% 사이에 몰려 있으며, 의료 오디오용으로 특별히 개발된 두 모델도 포함됩니다. 해당 세트에서 12.8%는 강력한 결과이고, 일반 세트에서 2.5%는 또 다른 성과입니다.

조건이 다릅니다. Microsoft의 수치는 제3자의 방법론에 대한 주장이지, 그 제3자가 공개하는 결과 행이 아닙니다. ElevenLabs의 수치는 벤더가 선택한 공개 세트에서 벤더가 수행한 실행입니다. 둘 다 동일한 오디오에서 둘 다를 실행하지 않고서는 서로 견줄 수 있는 측정값이 아니며, 아무도 그렇게 하지 않았습니다.

이 작업들은 임상적으로 중요한 방식으로 서로 다릅니다. Microsoft의 모델은 키워드 바이어싱과 문서화된 임상 노트 사용 사례를 갖춘 범용 전사기이며, 약물 이름으로 미세 조정된 것은 아닙니다. ElevenLabs의 모델은 바로 그 어휘를 겨냥한 Scribe v3 Live의 미세 조정 버전입니다. 깨끗한 일반 보드에서는 범용 모델이 이길 것으로 예상해야 합니다. ElevenLabs 의료 페이지의 샘플 문장인 "그는 메트포르민 1000을 하루 두 번, 엠파글리플로진 10, 아토르바스타틴 40 복용 중입니다"에서는 미세 조정 모델이 더 나을 이유가 있는 쪽이고, 범용 모델은 자체 구문 목록에 의존하는 쪽입니다.

지연 시간 차이가 바로 실제로 존재하는 차이입니다.

Microsoft의 최종 전사까지 0.13초라는 수치는 경쟁사가 걱정해야 할 값입니다. 플랫폼이 기반을 둘 수 있는 종류의 숫자이기 때문입니다. 약 0.2초 미만에서는 자막 텍스트가 발화와 동시에 읽히고, 0.3초는 전사가 발화자를 뒤쫓는 것으로 읽힙니다. ElevenLabs는 의료용 변형의 지연 시간을 공개하지 않고, Scribe v3 Live와 일치한다고만 밝히는데, 해당 제품군 비교는 Scribe v2 Realtime보다 의미론적 WER이 44% 낮다는 것입니다. ElevenLabs가 대략 중앙값 150ms의 확정 전사까지 시간으로 문서화한 모델입니다. 따라서 그럴듯한 해석은 둘 다 같은 4분의 1초 미만대에 있으며 그 차이는 따라 읽는 사람에게 지각되지 않는다는 것입니다.

차이가 실제로 드러나는 지점은 엔드포인팅이며, 여기서 ElevenLabs가 더 구체적인 설명을 제공합니다. ElevenLabs의 턴 예측은 대화 맥락을 활용해 발신자가 말을 마쳤는지 판단하므로, 에이전트는 회원 ID나 생년월일 내부의 일시 멈춤을 기다리며 첫 세 자리에 응답하지 않습니다. Microsoft의 대응 기능은 Voice Live API의 고급 발화 종료 감지로, 이는 전사기가 아니라 에이전트 계층의 속성입니다. 둘 다 이 문제를 해결합니다. 하나는 ASR 제품 내부에서 해결하고 다른 하나는 한 계층 위에서 해결하며, 직접 에이전트 루프를 구성하는 경우라면 그 계층이 중요합니다.

비용, 구멍이 표시된 상태로 나란히

• Microsoft — $0.54(오디오 1시간당)는 MAI-Transcribe-2-Streaming의 도입 요금이며, 표준 가격은 공개되지 않았습니다. Microsoft는 이전에도 이런 구조를 운영해 왔고, 배치 모델의 얼리버드 가격은 명시적으로 기간 한정이었습니다.

ElevenLabs — Scribe v3 Live Medical에 대한 ASR 요율은 존재하지 않습니다. API에서 이 제품군의 기준 요율은 Scribe v3 Live의 경우 시간당 $0.22, 실시간 키텀 프롬프팅의 경우 시간당 $0.08이며, API 의료 제품인 Scribe v2 Medical은 배치 엔드포인트에서 시간당 $0.20입니다.

• 대규모 사용 시 — 스트리밍 오디오 10,000분은 Microsoft의 도입 요금 기준으로 약 $90이며, ElevenLabs의 플랫폼 가격 책정에서는 산정 불가능합니다. 여기서는 동일한 10,000분에 LLM 토큰, 전화 통신, 음성 비용도 청구됩니다.

• 사용자 지정 어휘 — Microsoft의 구문 목록은 공개된 추가 요금이 없는 요청 매개변수입니다. ElevenLabs는 ElevenAgents에서 최대 10,000개의 사용자 지정 용어를 추가 비용 없이 포함하며, API 모델의 실시간 keyterms에 대해 시간당 $0.08을 청구합니다.

마지막 쌍은 잠시 짚고 넘어갈 가치가 있습니다. 10,000개 용어는 마케팅용으로 그럴듯하게 맞춘 숫자가 아니라, 중규모 의료 시스템의 처방집과 의료 제공자 명단을 합친 정도의 규모이기 때문입니다. 임상 어휘 문제가 크다면 용어 예산은 실제 기능이며, 강제 출력이 아닌 힌트로 문서화된 Microsoft의 구문 목록은 실패 방식이 다른 별개의 메커니즘입니다.

추론 계층이 어디에 들어맞는가

이 두 모델 중 어느 것도 아무것도 결정하지 않습니다. 임상 음성 에이전트는 전사문을 받아 무언가를 수행합니다. 예를 들어 보장 규칙을 확인하고, 노트 초안을 작성하며, 간호사에게 라우팅할지 결정합니다. 그리고 그 단계는 자체 지연 예산을 가진 별도의 모델 호출입니다. 실시간 파이프라인에서 추론 모델의 첫 토큰까지 걸리는 시간은 전사기의 0.13초 또는 0.15초보다 체감 지연에 더 크게 기여하는 경우가 많습니다.

바로 그 구간에서 라우터가 진가를 발휘합니다. OrcaRouter는 하나의 OpenAI 호환 API 뒤에서 0% 마크업으로 215개 모델을 제공합니다, 공급자 정가를 변경 없이 그대로 전달하며, 공급자 간 자동 페일오버 기능도 제공합니다 — 따라서 트랜스크립트를 추론하는 모델을 더 빠른 모델로 교체하거나 통화 중에 페일오버할 수 있으며, Azure 또는 ElevenLabs 통합은 건드리지 않아도 됩니다. 당사는 Scribe v3 Live Medical 또는 MAI-Transcribe-2-Streaming을 제공하지 않습니다. 전사 구간은 구매한 곳에 그대로 남습니다.

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.

조달 결정으로 제시된 평결

호출하고 가격을 책정해 요율표에 올릴 수 있는 전사기를 원한다면 MAI-Transcribe-2-Streaming을 선택하세요. 둘 중 모델이지 플랫폼 기능이 아닌 것은 이것뿐이며, 리전과 SDK 수준까지 문서화되어 있고, 주장하는 정확도-지연 조합은 현재 스트리밍 ASR에서 가장 강력한 공개 포지션입니다. 단, 이는 Microsoft의 주장이며 이사회가 이를 도표로 검증한 것은 아니라는 점을 유의해야 합니다. 일반적인 주의를 기울여 프리뷰 위에 구축하세요. SLA가 없고, 초기 가격은 변동될 예정입니다.

에이전트를 사는 것이지 전사기를 사는 게 아니라면 Scribe v3 Live Medical을 선택하세요. 전화 시스템, 턴테이킹, 음성, 가드레일이 결국 모두 ElevenLabs의 것이 될 거라면, 그 스택 안에 들어간 임상 특화 파인튜닝이 직접 통합해야 하는 더 나은 범용 WER보다 더 가치 있습니다. 먼저 자체 녹음으로 테스트해 보고, 문서에서 사용하지 말라고 경고하는 문구가 사라지기 전까지는 PHI를 넣지 마세요.

정말로 결정을 못 내리겠다면, 그 판가름은 어느 공급업체 사이트에도 없습니다. 자체 콜 20건을 두 제품 모두에 돌려 보고, 전체 오류 수가 아니라 임상 결정을 바꿨을 오류를 세고, 그 수를 여러분이 직접 구축해야 했을 부분까지 포함해 각 옵션에 매달 드는 비용과 비교해 보십시오. 그 테스트에서는 2.5%와 12.8% 모두 틀린 값이 되고, 순위가 얼마든지 뒤바뀔 수 있습니다.