
Scribe v3 Live Medical vs Whisper Large v3 Turbo: 대여할 수 없는 모델 vs 직접 소유할 수 있는 모델
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100만 토큰당 · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955지능
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855지능
Whisper Large v3 Turbo는 MIT 라이선스로 공개된 8억 900만 개 파라미터 모델로, 다운로드해 약 1.6GB로 양자화한 뒤 적당한 GPU 한 장에서 Whisper Large v3보다 약 8배 빠른 속도로 실행할 수 있습니다. Scribe v3 Live Medical은 ElevenLabs의 임상용 파인튜닝 모델로, 다운로드할 수도, API로 호출할 수도 없으며, ElevenAgents 내부에서 에이전트를 실행하고 있지 않다면 아예 구할 수 없습니다. 이 둘을 같은 문장에 놓는 것은 이상해 보이지만, 실제 의사결정에서 둘이 같은 자리를 차지한다는 점을 깨닫고 나면 그렇지 않습니다. 둘 다 범용 전사기가 계속 "empagliflozin"을 엉망으로 표기할 때 찾게 되는 선택지이며, 대부분의 팀이 이용할 수 있는 것은 그중 하나뿐입니다.
바로 그것이 실제 비교입니다. 정확성이 아니라 — 두 숫자는 서로 맞지 않습니다 — 가용성, 그리고 벤더가 폐쇄형 제품을 팔아 메워 주지 않을 격차를 메우는 데 오픈 베이스라인이 엔지니어링에서 당신에게 치르게 하는 비용입니다.
이것이 벤치마크 싸움이 아닌 이유를 열한 단어로 요약한 버전
ElevenLabs가 공개한 Scribe v3 Live Medical의 수치는 57개의 모의 일차 진료 상담인 PriMock57에서 단어 오류율 12.8%이며, 경쟁하는 실시간 의료 및 범용 모델 네 개의 15.5%~17.2%와 대비됩니다. Whisper Large v3 Turbo의 공개 수치는 LibriSpeech test-clean에서 2.1%, test-other에서 4.2%입니다 — 영어 오디오북 낭독 음성으로, 수년간 표준 공개 벤치마크였던 코퍼스이며 처방전에 관한 전화 통화와는 오디오가 거의 최대한 동떨어진 코퍼스입니다.
LibriSpeech 조건에서는 809M 오픈 모델이 임상 파인튜닝 모델을 큰 차이로 이긴다. 형편없는 헤드셋을 쓴 실제 진료에서는 두 수치 모두 노이즈일 뿐이다. 어느 수치도 다른 수치를 예측하지 못하며, 두 수치를 나란히 놓고 승자를 선언하는 사람은 배치 모델의 클린룸 측정값을 스트리밍 모델의 벤더 수행 측정값과 비교하고 있는 것이다. 솔직한 정리는 이렇다. 의료 파인튜닝 모델은 임상 오디오에서 다른 실시간 모델보다 우위를 주장하고, Whisper는 깨끗한 낭독 음성에서 다른 오픈 모델보다 우위를 주장하며, 두 주장은 서로 아무 관련이 없다.
Whisper Large v3 Turbo가 실제로 무엇인지, 그리고 무엇이 아닌지
MIT 라이선스로 2024년 10월에 공개된 OpenAI의 Whisper Large v3 증류 모델: 32개 인코더 레이어와 4개 디코더 레이어로, 32개에서 줄어든 것이 속도의 원천입니다. faster-whisper, whisper.cpp, ONNX 및 GGUF 빌드에서 실행되며, 노트북에서 돌릴 수 있을 만큼 작게 양자화되고, 99개 언어를 지원하며, GPU 한 대에서든 랙에서든 라이선스 비용이 전혀 들지 않습니다.
그것이 아닌 것, 그리고 이것이 임상 에이전트에게 중요한 목록입니다:
• 스트리밍하지 않습니다. Whisper의 아키텍처는 고정된 30초 윈도를 중심으로 구축되어 있으므로, "실시간"은 오디오를 청크로 나누어 다시 실행하는 것을 의미하며, 겹치는 부분에 대한 비용을 치르고 전사 결과가 버퍼링한 만큼 음성보다 지연되는 것을 감수해야 합니다. 기본적인 부분 결과 스트림도 없고 발화 차례 감지도 없습니다.
• 화자 분리를 하지 않습니다. 단어가 하나의 흐름으로 이어질 뿐, 누가 무슨 말을 했는지에 대한 개념이 없습니다. 환자와 임상의가 모두 약물명을 언급하는 2인 상담이라면, 별도의 화자 레이블링 모델을 덧붙이거나 아니면 화자 표시가 없는 전사본을 받아들여야 합니다.
• 포맷하지 않습니다. 구두점과 대소문자는 오디오가 만들어낸 그대로, 비유창성까지 포함해 나옵니다. 자기 수정 사항을 정리하지도, 문장 첫 글자를 대문자로 처리하지도, 임상 노트 구조를 갖추지도 않습니다.
• 번역용으로 훈련되지 않았고, 도메인 편향 메커니즘도 없습니다. 처방집을 전달할 핵심 용어 목록도 없고, 이것이 심장학 통화임을 알려줄 프롬프트도 없습니다. 미세 조정하거나, 후처리하거나, 아니면 오류를 감수해야 합니다.
반면 Scribe v3 Live Medical은 그 네 가지 빠진 요소로 거의 전부 구성되어 있습니다. 스트리밍되고, 회원 ID가 끝날 때까지 기다리는 발화 차례 예측 기능이 있으며, 최대 10,000개의 맞춤 임상 용어를 무료로 지원하고, 오디오북이 아닌 대화로 학습된 모델을 파인튜닝한 것입니다. ElevenLabs는 그 한계가 어디인지 솔직하게 밝힙니다. 주변 맥락이 없는 단독 약물 이름은 모든 모델에게 가장 어려운 사례이며, 예상하는 용어 쪽으로 편향되도록 keyterms를 사용하라는 것이 조언입니다.

격차를 직접 해소하는 데 드는 엔지니어링 비용
이 지점에서 비교는 리더보드가 아니라 스프레드시트가 됩니다. Whisper Large v3 Turbo가 임상용 실시간 전사기처럼 작동하게 만들고자 하는 팀은 네 가지를 구축해야 합니다:
• 스트리밍 래퍼 — 청크 단위 오디오, 중첩 윈도우, 부분 가설 병합, 그리고 직접 만든 엔드포인팅 규칙까지. Whisper는 이 중 아무것도 제공해 주지 않기 때문입니다. 이음새(seam) 처리에 적지 않은 시간을 써야 할 각오를 하세요. 대부분의 자체 개발 음성 에이전트가 최악의 지연 시간을 겪는 곳이 바로 이 지점입니다.
• 어휘 메커니즘 — Whisper에는 그런 것이 없습니다. 직접 임상 오디오로 파인튜닝하거나, 아마 가지고 있지 않을 라벨링된 데이터가 필요하고, 아니면 약물 이름 목록에 대해 후처리 교정을 하는데, 이는 퍼지 매칭 문제라서 그 자체로 또 다른 종류의 확신에 찬 오류를 만들어냅니다.
• 화자 분리(diarization) 패스 — 두 번째 모델, 두 번째 지연 시간 예산, 그리고 화자 턴을 Whisper의 단어 타이밍에 정렬해야 하는 병합 단계.
• 인프라 — GPU, 오토스케일링, 배치 경로용 큐, 그리고 하루 40시간 분량을 전사하는 서버가 새벽 2시에 뻗었을 때 달려갈 당직자까지.
그중 어느 것도 감당 못 할 일은 아니다. 그 모든 것은 관리형 임상 모델이 흡수했을 작업이며, 솔직히 물어야 할 질문은 팀의 시간을 그쪽에 쓰는 게 더 나은지 아니면 임상 제품 자체에 쓰는 게 더 나은지다. 이미 추론 인프라를 운영하는 연구 그룹이나 플랫폼 팀이라면 답은 흔히 '그렇다'다 — 애초에 Whisper가 기본값이 된 이유가 바로 그것이다. 간호사 워크플로를 차별점으로 삼는 5인 디지털 헬스 스타트업이라면 보통 '아니다'.
라이선스가 진정한 장점이며, 결코 작은 장점이 아니다.
Whisper의 MIT 라이선스는 벤더도, 사용량 계량기도, 통화량에 따라 늘어나는 분당 요금도, 환자 오디오가 네트워크를 벗어나야 한다는 요구 사항도 없다는 뜻입니다. 규제 적용 대상 기관에게 마지막 항목은 있으면 좋은 선택 사항이 아닙니다. 자체 VPC 내부에 Whisper를 셀프 호스팅으로 배포하는 것은 보안팀이 이미 승인하는 방법을 아는 컴플라이언스 스토리입니다. PHI는 벤더 경계를 절대 넘지 않고, 로그 보존 기간은 직접 설정하며, 협상할 Business Associate Agreement도 없습니다.
그와 대조적으로, ElevenLabs 문서는 현재 규정 준수 담당자가 두 번 읽게 될 내용을 명시하고 있습니다: 해당 모델의 HIPAA 적격성이 확인될 때까지 Scribe v3 Live Medical로 보호 건강 정보를 전송하지 말 것, 그리고 얼리 액세스 기간에는 EU 데이터 레지던시를 이용할 수 없다는 것입니다. 의료 전사 페이지의 일반 설명 — BAA와 Zero Retention Mode를 갖춘 Enterprise 고객에게 HIPAA 적격 — 은 플랫폼과 GA 의료 제품인 Scribe v2 Medical을 설명합니다. 얼리 액세스 실시간 모델의 경우에는 경고 문구가 실제로 적용되는 문장입니다.
오늘 컴플라이언스 비교에서 오픈 베이스라인이 단연 우승하는데, 그 이유는 정확성과는 전혀 무관하고 아직 끝나지 않은 서류 작업과 전적으로 관련이 있습니다.
세 가지 서로 다른 물량에서의 한계비용
Whisper는 하드웨어 비용이 들지만 계량기는 없다. 이미 보유한 GPU에서 실행하면 전사된 1분의 한계 비용은 전기료에 가까워지고, 임대해서 쓰면 인스턴스 요율을 처리량으로 나눈 값이 되는데, 최신 서빙 스택에서는 오디오 1시간당 몇 센트 수준이다. 월 1,000시간이라면 임대한 GPU 한 대로 여유 있게 부하를 감당할 수 있다.
Scribe v3 Live Medical은 분 단위로 판매되지 않기 때문에 컴퓨팅에 대한 한계 비용이 없습니다. 이는 대화 분당 과금되며 LLM, 전화 통신, 음성을 포함하는 ElevenAgents 구독 안에 들어 있습니다. 실제로 계량할 수 있는 모델에 대한 ElevenLabs의 API 기준 가격은 Scribe v3 Live의 경우 시간당 $0.22, Scribe v2 Medical의 경우 시간당 $0.20이며, 실시간 핵심 용어 프롬프팅은 시간당 $0.08입니다.
월 10시간이라면 관리형 방식이 분명히 더 저렴합니다. 구매할 GPU도, 유지할 파이프라인도 없고, 구독료에 에이전트가 포함되니까요. 월 1만 시간이라면 자체 호스팅 Whisper가 지금까지 공개된 그 어떤 분당 과금 방식보다 저렴하며, MIT 라이선스 가중치를 돌리는 자체 하드웨어의 한계 비용을 어떤 벤더도 결코 밑돌 수 없습니다. 손익분기점은 언제나처럼, 엔지니어링 급여를 절약한 시간으로 나눈 값이 분당 요금 아래로 떨어지는 지점에 있습니다. 그리고 작은 임상 팀의 경우 그 지점은 스프레드시트가 시사하는 것보다 더 늦게 옵니다. 왜냐하면 구축한 파이프라인은 영원히 유지해야 하는 파이프라인이기 때문입니다.

라우터가 어디에 맞는지, 정확히
Whisper는 텍스트를 넘겨주지만, 여전히 그것을 읽고 행동에 옮기는 무언가가 필요합니다. 임상 워크플로에서 그것은 두 번째 모델입니다 — 노트를 작성하고, 약물 목록을 추출하고, 통화에 간호사가 필요한지 판단하는 — 그리고 그것은 오디오 길이가 아니라 대화 길이에 따라 확장되는 구간입니다. OrcaRouter는 0% 마크업으로 하나의 OpenAI 호환 API 뒤에서 215개 모델을 제공하며, 공급자 정가가 그대로 전달되고, 자동 장애 조치가 지원되어 그 추론 모델이 같은 키 하나로 턴별 응답에는 작고 빠른 모델을, 통화 종료 후 노트에는 더 큰 모델을 사용할 수 있습니다.
경계를 명확히 하세요: 우리는 Whisper Large v3 Turbo를 호스팅하지 않으며 Scribe v3 Live Medical 또는 어떤 ElevenLabs 모델도 호스팅하지 않습니다. 자체 호스팅 Whisper는 귀하의 GPU에서 실행되고, ElevenLabs의 의료 모델은 그들의 플랫폼에서 실행됩니다. 우리가 라우팅하는 것은 둘 모두 위의 계층입니다.

어느 것, 어느 팀을 위한 거야?
다음 중 하나라도 해당하면 Whisper Large v3 Turbo를 선택하십시오. 전사본이 자체 보안 경계 안에 있어야 하는 경우, 실시간 통화가 아니라 녹음된 오디오를 전사하는 경우, 분당 과금이 주요 비용이 될 만큼 사용량이 많은 경우, 또는 스트리밍, 화자 분리, 어휘 계층을 직접 구축할 엔지니어링 역량이 있는 경우입니다. 녹음된 임상 오디오, 즉 방문 후 검토하는 받아쓰기 노트에서는 Whisper에 약물명 후보정 패스를 더하는 것이 정말로 강력하고 정말로 저렴한 답이며, MIT 라이선스는 구매 협상의 한 범주를 통째로 없애 줍니다.
오디오가 라이브이고, 어휘가 임상용이며, 에이전트가 이미 ElevenLabs의 것을 사용할 예정이라면 Scribe v3 Live Medical을 선택하세요. 턴 예측과 10,000개 용어 예산은 원래라면 직접 구축해야 할 것들이고, PriMock57에서의 12.8% 결과는 벤더 자체 결과이지만 그 방향성은 모든 임상 ASR 벤더가 보고하는 내용과 일치하며, 플랫폼이 인프라를 흡수합니다. 그다음에는 문서 페이지에서 얼리 액세스 경고가 사라질 때까지 PHI를 기다리세요.
그리고 ElevenAgents를 완전히 벗어나 있다면 — 이 글을 읽는 대부분의 사람들이 그렇듯 — 실제 선택은 Whisper와 Scribe v2 Medical 같은 호출 가능한 의료 모델 사이입니다. 시간당 $0.20이며, 임상 테스트 오디오에서 Scribe v2보다 오류가 15% 적습니다. Scribe v3 Live Medical은 서류상 더 나은 모델입니다. 단지 제공되지 않을 뿐이며, 실행할 수 없는 모델은 실행할 수 있는 모델의 경쟁자가 아닙니다.
