Titelkaart met 'Scribe v3: tweede met 1,95%' en de ondertitel 'Non-streaming AA-WER Index, november 2026', naast een podium met drie balken, gelabeld 1,73% preview, 1,95% Scribe v3 in zilver met een warme accentkleur, en 2,04%, boven een voettekst met 'Cijfers per Artificial Analysis, AA-WER v2.2'.
Guides & Insights

ElevenLabs Scribe v3: tweede op AA-WER met 1,95%, achter een preview

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Het kopcijfer voor ElevenLabs Scribe v3 is een woordfoutpercentage van 1,95%, een tweede plaats op de AA-WER v2.2 non-streaming ranglijst van Artificial Analysis, achter Alibaba's Fun-Realtime-ASR-preview met 1,73% en vóór Microsoft AI's MAI-Transcribe-2 met 2,04%. Die zin is juist en tegelijk de minst nuttige manier om de uitkomst te lezen, want 1,95% is geen meting — het is een gewogen gemiddelde van drie verschillende testsets, en op een daarvan staat Scribe v3 helemaal niet tweede. Het staat eerste, vóór het model dat het in de ranglijst voorbijstreeft. ElevenLabs bracht Scribe v3 uit op 9 november 2026, verving Scribe v2 in dezelfde API-aanroep en verlaagde op 17 november de prijs van elk Scribe-model. Na tien dagen is de interessante vraag niet langer of het model goed is. Het is welk van de drie cijfers je moet geloven.

Waar de 1,95% eigenlijk uit bestaat

Artificial Analysis publiceert niet één WER per model. Het publiceert een samengestelde index (de AA-WER Index) op basis van drie opgeschoonde corpora, en elk corpus heeft een ander faalmechanisme: voorgelezen spraak uit audioboeken in LibriVox-stijl, parlementaire spraak uit het Europees Parlement, en spontane earnings calls met meerdere sprekers in Engels met een accent. Ze tot één index middelen is een redelijk gemak en een slecht inkoophulpmiddel, omdat de drie dezelfde modellen niet op dezelfde manier rangschikken.

Dit is wat het huidige dashboard voor de top vier toont, uitgesplitst. Elk cijfer hieronder is van Artificial Analysis zelf, afgelezen uit de datapayload van het dashboard in plaats van de afgeronde weergave:

• Samengestelde AA-WER — Fun-Realtime-ASR-preview 1,73%, Scribe v3 1,95%, MAI-Transcribe-2 2,04%, Scribe v2 2,18%.

• De kern-AA-STT-set — Scribe v3 1,47%, Scribe v2 1,51%, MAI-Transcribe-2 1,83%, Fun-Realtime-ASR-preview 1,97%. Scribe v3 wint dit onderdeel glansrijk, en het model dat erboven gerangschikt staat, eindigt als laatste van de vier.

• VoxPopuli (parlementair) — Fun-Realtime-ASR-preview 1,17%, MAI-Transcribe-2 1,50%, Scribe v3 1,52%, Scribe v2 1,74%. Scribe v3 staat hier op de derde plaats, nipt achter Microsoft.

• Earnings-22 (spontaan, met accent, meerdere sprekers) — Fun-Realtime-ASR-preview 1,80%, MAI-Transcribe-2 2,99%, Scribe v3 3,34%, Scribe v2 3,95%. Hier slaat de rangorde het hardst om: Microsoft verslaat ElevenLabs met 0,35 punt, en de kloof van 0,09 punt in de samengestelde score verdwijnt.

Bar chart titled 'The 1.95% is an average of four different rankings', showing word error rate for Scribe v3, Scribe v2, MAI-Transcribe-2 and Fun-Realtime-ASR-preview across four corpora — composite, core AA-STT, VoxPopuli and Earnings-22 — with Scribe v3 highlighted in blue at 1.95%, 1.47%, 1.52% and 3.34% and a footer crediting Artificial Analysis AA-WER v2.2, read 20 November 2026.

Het patroon is niet willekeurig. Scribe v3 is het sterkst bij schone voorgelezen spraak en het zwakst op het corpus dat op een echte vergadering lijkt — door elkaar pratende sprekers, disfluenties, telefonische bandbreedte, accenten. Dat is ook het corpus waar de meeste zakelijke kopers echt om geven, en daarom kunnen de rangorde van de composiet en de ervaring van een contactcenter uiteenlopen. Als je audio bestaat uit podcasts en studio-interviews, ligt het cijfer van 1,47% dichter bij jouw wereld dan de 1,95%. Gaat het om verkoopgesprekken, dan is dat de 3,34%.

Het model erboven is een preview.

Fun-Realtime-ASR-preview staat eerste op de samengestelde score, en dat dankzij de twee moeilijkste corpora in plaats van de gemakkelijkste. Het draait ook met een mediane snelheidsfactor van 20,3 — ongeveer een twintigste van realtime — wat betekent dat een uur audio ongeveer drie minuten kost, en het heeft een lijstprijs van $2,82 per 1.000 minuten. Scribe v3 transcribeert met 76,8× realtime voor $3,33 per 1.000 minuten. De koploper is dus langzamer, meestal goedkoper en draagt een naam die 'preview' zegt.

Niets daarvan maakt de rangschikking onjuist; de index meet nauwkeurigheid, niet gereedheid. Het betekent wel dat de zin "Scribe v3 staat tweede" impliceert dat een productiemodel de eerste plaats bezet, en dat is niet het geval. De inzending van A​libaba heeft geen releasedatum op de ranglijst, geen gepubliceerde uitsplitsing per taal, en het woord "preview" in de aanduiding. Een team dat dit kwartaal een leverancier kiest, vergelijkt een uitgeleverd product met een evaluatiebuild, en de kloof van 0,22 punt tussen hen is kleiner dan het verschil tussen twee corpora binnen dezelfde index.

v2 naar v3, op twee manieren gemeten

De eigen lanceringscijfers van ElevenLabs voor Scribe v3 zijn een vermindering van 27% in woordfouten ten opzichte van Scribe v2 in 102 talen tijdens een interne FLEURS-run — van 16,94% naar 12,38% — met de bewering dat er in elke geteste taal verbetering optreedt, plus een vermindering van 12% in diarizatiefouten en van 17% wanneer er drie of meer sprekers aanwezig zijn. Dat zijn cijfers van de leverancier, uitgevoerd op diens eigen versie van een publieke benchmark, en ElevenLabs is opvallend openhartig dat zijn FLEURS-gemiddelde per taal is en niet op corpusniveau, en daarom niet vergelijkbaar met gepubliceerde FLEURS-cijfers.

Artificial Analysis, dat zijn eigen testharnas gebruikt, laat een kleinere winst zien: 2,18% naar 1,95% op de samengestelde score, ongeveer 11% relatief, en 53,5× naar 76,8× op doorvoer. Beide uitspraken kunnen waar zijn. Een relatieve verbetering van 27% op meertalige FLEURS en een relatieve verbetering van 11% op drie Engelse corpora meten verschillende dingen, en de kloof daartussen is het nuttigste feit in het lanceermateriaal — het vertelt je dat de winst geconcentreerd is buiten Engelse voorgelezen spraak, precies waar de leverancier zegt dat hij heeft gekeken.

Screenshot of the ElevenLabs Speech to Text documentation page showing its model cards: Scribe v3 as the most accurate speech recognition model for recorded audio with 27% fewer word errors than Scribe v2 on FLEURS, diarization to 32 speakers, keyterm prompting up to 1,000 terms and word-level timestamps, alongside the Scribe v3 Live card claiming 44% lower semantic WER than Scribe v2 Realtime.

Het functieverschil tussen de twee generaties is kleiner dan de marketing suggereert. Scribe v3 behoudt de functieset van v2: tot 32 sprekers bij diarisatie, 1.000 keyterms voor batch, tijdstempels op woordniveau, entiteitsdetectie, transcriptbewerking, export naar SRT en DOCX. Het voegt automatische taalherkenning voor een opname toe, een regeling voor getalnotatie, secundaire taalcodes en aan de realtimekant een keyterm-bibliotheek van 10.000 termen en beurtvoorspelling. Het laat ook iets vallen: er is geen verbatim-modus. Microsoft's MAI-Transcribe-2 biedt zowel verbatim- als cleane stijlen via één schakelaar, en voor compliance- en QA-transcripten is dat een functioneel verschil, niet iets cosmetisch.

Wat 17 november met de rekensom deed

Acht dagen na de lancering verlaagde ElevenLabs de prijs van Speech to Text over de hele linie: $0,20 per uur voor batchtranscriptie en $0,22 per uur voor realtime, op selfservice- en Business-abonnementen, voor elk Scribe-model. Dat is $3,33 en $3,67 per 1.000 minuten. Het is het getal dat de nauwkeurigheidstabel bruikbaar maakt, want bij de oude tarieven was een nauwkeurigheidstekort van 0,09 punt ten opzichte van Microsoft gemakkelijk te verdedigen, en bij de nieuwe tarieven is het prijsverschil het hele argument.

Screenshot of the ElevenLabs changelog entry headed 'Lower Speech to Text prices', stating that Speech to Text now costs $0.20 per hour for batch transcription and $0.22 per hour for realtime transcription for every Scribe model on all self-serve and Business plans, with enterprise pricing unchanged, and the November 9 and November 17, 2026 sidebar entries visible.

Een waarschuwing bij het lezen van de prijskolom van het leaderboard: Scribe v3's $3,33 is precies $0,20 per uur en Scribe v2's $3,67 is precies $0,22 per uur, de batch- en realtime-tarieven in ElevenLabs' huidige lijst. Twee ElevenLabs-rijen met prijzen voor twee verschillende SKU's worden gelezen als een korting van 34 cent per duizend van v2 naar v3 die niet bestaat. Controleer welke gegevens de tracker heeft gesampled voordat je een prijsconclusie trekt uit een gerangschikte tabel.

Voor iedereen die de pipeline achter het transcript bouwt, is het goed om ronduit te zeggen: geen van deze spraakmodellen — niet Scribe v3, niet MAI-Transcribe-2 — staat op de lijst van OrcaRouter, en de bovenstaande tarieven zijn die van ElevenLabs en Microsoft, niet de onze. Wat wij routeren is de laag die het transcript voedt: vergadernotities naar het ene model, compliancebeoordeling naar het andere, allemaal achter één sleutel, met lijstprijzen van providers doorgegeven tegen 0% opslag en automatische failover tussen providers. Dat is in spraakpipelines belangrijker dan elders, omdat het transcript de input is, niet het product, en het product doorgaans drie modelaanroepen verderop ligt.

Wat de komende twee weken moet uitwijzen

Twee dingen ontbreken in dit beeld en beide zijn tijdelijk. Het eerste is het streamingboard. Scribe v3 Live werd samen met het batchmodel uitgebracht, met een beweerde vermindering van 31% in woordfouten en een 43% lagere semantische WER dan Scribe v2 Realtime in 102 talen, plus de eerste realtime-diarisatie die ElevenLabs heeft uitgebracht — 3,1% fout op het Engelse deel van een set van 16 talen, tegen 5,9% tot 7,3% voor andere realtime modellen. Dat zijn leverancierscijfers op een op de leverancier afgestemde referentie, en het streamingleaderboard heeft het model nog niet geplot, dus de claim is momenteel niet falsifieerbaar in plaats van bevestigd.

De tweede is de medische variant, Scribe v3 Live Medical, die helemaal geen API-model is: hij leeft in ElevenAgents, is in early access, vereist het turn_v3-turnmodel, heeft geen apart tarief en gaat gepaard met een waarschuwing in de documentatie om geen beschermde gezondheidsinformatie te verzenden totdat de HIPAA-geschiktheid ervoor is bevestigd. Het medische model van de batch-API blijft Scribe v2 Medical. Een familie werd gelanceerd met een gat waar haar klinische batchproduct zou moeten zitten.

Dus de eerlijke samenvatting in één regel van Scribe v3 na tien dagen: het is het beste non-streamingmodel op schone voorgelezen spraak, het op één na beste bij vergaderingen, het snelste dat ElevenLabs ooit heeft uitgebracht, en — na 17 november — goedkoop genoeg dat het nauwkeurigheidsargument en het prijsargument eindelijk dezelfde kant op wijzen. Het enige dat op de ranglijst boven hem staat, is een preview, en previews sluiten geen contracten.