Titelkaart met de tekst 'Scribe v3 Live Medical vs GPT Transcribe' en de ondertitel 'twee verschillende klokken'. Daaronder een tijdlijn met twee banen: de bovenste baan, gelabeld 'tijdens het gesprek', toont een live golfvorm die een transcript voedt dat woord voor woord groeit; de onderste baan, gelabeld 'na het gesprek', toont een voltooid audiobestand dat in één blok een volledig transcript oplevert.
Guides & Insights

Scribe v3 Live Medical vs GPT Transcribe: Twee verschillende klokken

Auteur

jinhao.song

Publicatiedatum

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

Deze twee modellen zijn geen concurrenten, en de snelste manier om een kwartaal te verspillen is ze als één te behandelen. GPT Transcribe is OpenAI's offline spraak-naar-tekstmodel: je stuurt een voltooid audiobestand naar het transcriptie-endpoint en je krijgt een volledig, geformatteerd transcript terug. Het kan niet naar een lopend gesprek luisteren — OpenAI's eigen documentatie zegt dat expliciet, en verwijst iedereen die streaming nodig heeft naar gpt-live-transcribe of gpt-realtime-whisper in plaats daarvan. Scribe v3 Live Medical is de tegenovergestelde vorm: een realtime klinische fine-tune die alleen binnen ElevenAgents bestaat, en die gesprekken met patiënten, leden en zorgverleners uitschrijft terwijl de beller nog aan de lijn is, zodat een agent op een dosering kan reageren voordat de zin is afgelopen.

De eerlijke vraag is dus niet welk model beter is. Het is op welke klok je workflow loopt. Als een mens of een model tijdens het gesprek moet handelen — een vraag beantwoorden, een vergoeding opzoeken, een contra-indicatie opvangen — is GPT Transcribe al uitgesloten voordat er maar een nauwkeurigheidsvergelijking begint, en de enige OpenAI-optie in die categorie kost per minuut 3,8 keer zoveel. Als het transcript een document is dat achteraf wordt geproduceerd, is Scribe v3 Live Medical om een heel andere reden onbruikbaar: het heeft geen API, geen model-ID en geen prijs, en het kan niet worden aangeroepen vanuit iets anders dan een ElevenAgents-agent.

De klok waar elk op draait

De meter van GPT Transcribe is $0,0045 per minuut, of $0,27 per uur audio, en de beperkingen ervan zijn de beperkingen van een bestand: het transcriptie-endpoint van OpenAI accepteert maximaal 25 MB per verzoek, en het model retourneert een transcriptie waarin taalaanwijzingen zijn toegepast. Er is geen gedeeltelijk resultaat, want er is niets om gedeeltelijk aan te zijn. Voor een opgenomen bezoek, een gedicteerde notitie, een batch gearchiveerde gesprekken: dit is precies de juiste vorm, en het is een van de goedkopere manieren om woorden uit audio te halen.

OpenAI's streamingaanbod is een andere productlijn met een ander tarief: gpt-live-transcribe rekent $0,017 per minuut, ongeveer $1,02 per audio-uur. Dat is de prijs van de klok — 3,8 keer het batchtarief voor transcriptie van dezelfde leverancier, nog vóór enige discussie over nauwkeurigheid. Het is ook waar OpenAI's competentie voor realtime-transcriptie werkelijk zit, en als je live-transcriptie met live-transcriptie vergelijkt, is dat het model dat je tegen Scribe v3 Live moet afzetten, niet GPT Transcribe.

De klok van Scribe v3 Live Medical is de duur van een gesprek binnen ElevenAgents. Er is geen bestand. Er is een WebSocket-vormige stream die het platform beheert, een beurtmodel dat bepaalt wanneer een beller klaar is met spreken, en een transcript dat de agent gebruikt om te handelen. ElevenLabs publiceert geen latentiecijfer voor de medische variant; het cijfer voor de productfamilie is dat Scribe v3 Live een 44% lager semantisch woordfoutpercentage heeft dan Scribe v2 Realtime, waarvan de mediane tijd tot een definitief transcript ongeveer 150 ms is. ElevenLabs zegt dat de medische fine-tune op het gebied van latentie overeenkomt met Scribe v3 Live.

A page from the OpenAI developer documentation on file transcription, headed 'File transcription' with the description 'Convert recorded speech into text', next to a sidebar listing 'Add transcription context', 'GPT-Live' and 'Speaker diarization'.

Nauwkeurigheid: één gecontroleerd aantal, één leveranciersaantal, geen overlap

GPT Transcribe heeft een openbaar, onafhankelijk gemeten woordfoutpercentage: 3,31% op de AA-WER-benchmark van Artificial Analysis. Daarmee stond het op de negende plaats van de ongeveer vijftig gevolgde systemen op het moment van de lancering in juli 2026, met deelscores van 2,22% op audio met agentgesprekken, 2,72% op VoxPopuli en 6,10% op earnings calls. De spreiding binnen dat ene cijfer is het interessante deel — earnings calls, met hun accenten, door elkaar heen praten en domeinjargon, zijn voor het systeem bijna drie keer zo moeilijk als schone agentspraak. Een klinisch consult zit ergens in die spreiding, en niemand heeft gemeten waar.

Het cijfer voor Scribe v3 Live Medical is een woordfoutpercentage van 12,8% op PriMock57, de door ElevenLabs gekozen set van 57 nagebootste eerstelijnsconsulten, tegenover 15,5% tot 17,2% voor vier concurrerende realtime modellen in dezelfde run van de leverancier. Het is in geen van beide richtingen vergelijkbaar met 3,31%, en niet alleen vanwege het corpus: de twee cijfers komen uit verschillende testharnassen, verschillende audiocondities en, cruciaal, verschillende latenties. Een batchmodel mag het hele bestand bekijken; een streamingmodel legt zich vast zonder te weten wat er hierna komt. Streaming-WER is systematisch slechter dan batch-WER op dezelfde audio, daarom publiceert Artificial Analysis de twee op afzonderlijke ranglijsten.

De verdedigbare uitspraak: GPT Transcribe is een degelijk gemeten batchmodel dat op algemene spraak in de lage enkele cijfers zit, Scribe v3 Live Medical is een door de leverancier gemeten streamingmodel dat zijn realtimeconcurrenten op klinische audio met ongeveer drie punten verslaat, en er is geen openbaar experiment dat ze op dezelfde opname zet.

A two-column scoreboard titled 'Scribe v3 Live Medical vs GPT Transcribe — the scoreboard', with the rows Clock (during the call vs after the call), Price (inside ElevenAgents vs $0.0045 per minute), Accuracy (12.8% PriMock57 vs 3.31% AA-WER), Streams (yes, with turn prediction vs no), Vocabulary (10,000 clinical terms vs keywords and prompt) and Callable (no model ID vs yes, transcriptions endpoint), and a footer reading 'GPT Transcribe per OpenAI and Artificial Analysis; Scribe figures vendor-run.'

Domeinaanpassing, waar het echte verschil zit

Klinische woordenschat is precies de reden dat het ElevenLabs-model bestaat, en het pakt het probleem op twee manieren aan: een fine-tune die is gericht op medicijnnamen, anatomie en pathologie, en een keyterm-mechanisme dat tot 10.000 aangepaste termen accepteert — een formularium, een lijst van zorgverleners, een specialismewoordenboek — zonder extra kosten. ElevenLabs is eerlijk over de beperking, in zijn eigen FAQ: het model past een term alleen toe wanneer de audio waarschijnlijk overeenkomt, en geïsoleerde medicijnnamen zonder context zijn voor elk model het moeilijkste geval. Het voorbeeldtranscript is opgebouwd uit de gemakkelijkere vorm: een medicijnnaam in een zin met een dosering eraan gekoppeld.

De aanpak van OpenAI is instructie in plaats van fine-tuning. GPT Transcribe accepteert trefwoordenlijsten en een vrije prompt die beschrijft waar de audio over gaat, en aan de realtimekant neemt het model eerdere getranscribeerde beurten mee als context. OpenAI's eigen meting van die conditionering, op zijn Context Aware ASR-benchmark, verhoogde de semantische nauwkeurigheid van 38,5% naar 44,6% voor het live model — een door de leverancier gerapporteerd cijfer, dat meet of de betekenis behouden bleef in plaats van of de woorden juist waren.

De praktische afweging, en het is een echte: een op prompts geconditioneerd model kan dramatisch beter zijn dan zijn ruwe benchmark wanneer je het vertelt wat het moet verwachten, en het kan de trefwoorden die je hebt opgegeven hallucineren. Zet "metformine" in de prompt en een model dat het woord niet duidelijk kan horen, kan het toch produceren. Een model met keyterm-bias degradeert geleidelijker, omdat biasen de waarschijnlijkheid verschuift in plaats van aanwezigheid te beweren. Geen van beide faalmodi verschijnt op een leaderboard. Beide verschijnen in klinische notities, waar een gehallucineerde dosering erger is dan een lege plek.

De compliancekwestie wordt door de vorm beslist, niet door de scorecard.

Voor een covered entity is dit het gedeelte dat de evaluatie daadwerkelijk beëindigt. ElevenLabs stelt dat Scribe v2 Medical — de batch-variant, degene die je via de API kunt aanroepen — HIPAA-geschikt is met een Business Associate Agreement en Zero Retention Mode, en dat bij ingeschakelde ZRM audio en transcript na verwerking niet worden bewaard. De documentatie voegt een stelliger waarschuwing toe voor het realtime early-accessmodel: stuur geen beschermde gezondheidsinformatie naar Scribe v3 Live Medical totdat HIPAA-geschiktheid daarvoor is bevestigd, en EU-datresidentie is niet beschikbaar tijdens early access. Die twee uitspraken staan naast elkaar op de site van ElevenLabs en het zijn niet dezelfde uitspraak.

Aan de OpenAI-kant is het transcriptie-endpoint een standaard enterprise-API met de gebruikelijke manier van omgaan met data; het wordt niet verkocht als een klinisch product en heeft geen medische fine-tune. Wat het wel biedt, is het praktische voordeel van een batchmodel: PHI verlaat je perimeter één keer, in een bestand dat je zelf hebt gekozen, voor een periode die je kent, en komt terug als tekst die je zelf opslaat. Er is geen persistente stream om over na te denken.

Die asymmetrie snijdt in een onverwachte richting. Een batchpipeline is juist gemakkelijker compliant te maken omdat hij minder bewegende onderdelen heeft, en als je klinische workflow een paar minuten vertraging aankan — ambient documentatie die na het bezoek wordt beoordeeld, een notitie die voor een clinicus wordt opgesteld om te ondertekenen — dan is GPT Transcribe met een zorgvuldige prompt en een trefwoordenlijst een eenvoudiger complianceverhaal dan een realtime model met vroege toegang dat nog niet in aanmerking komt voor PHI.

Kosten per duizend oproepen, beide vormen

Duizend klinische gesprekken van tien minuten is 10.000 minuten. Bij GPT Transcribe is dat $45. Op OpenAI's live lane is dat $170. Bij Scribe v3 Live Medical valt er geen getal te berekenen, omdat het model zich in een ElevenAgents-abonnement bevindt dat per gespreksminuut wordt geprijsd, gebundeld met de LLM, de spraaksynthese, de telefonie en de beurtwisseling. Of die bundel goedkoper is dan $45 plus je eigen agent-stack hangt volledig af van wat je eigen agent-stack kost, en de ElevenLabs-prijs valt niet op te splitsen in een ASR-regel.

Het deel dat decomposeerbaar is, is het redeneergedeelte, en dat is het deel dat schaalt met gesprekslengte in plaats van audiolengte. Een klinische agent die een transcript leest en iets besluit, roept bij elke beurt een LLM aan; OrcaRouter serveert 215 modellen achter één OpenAI-compatibele API tegen 0% opslag, waarbij de lijstprijzen van providers ongewijzigd worden doorgegeven, zodat het model achter elk van beide transcriberdiensten kan worden vervangen of automatische failover kan krijgen zonder het audiopad aan te raken. Wij bieden Scribe v3 Live Medical noch enig OpenAI-transcriptiemodel aan, en geen van de hierboven genoemde tarieven is van ons.

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.

Hoe te beslissen

Als het transcript moet bestaan terwijl de beller nog praat, is GPT Transcribe het verkeerde model en is de eerlijke vergelijking met OpenAI's live-endpoint van $0,017 per minuut. Ga naar ElevenAgents als je een klinische fine-tune met turn detection wilt en je de compliancepositie voor early access accepteert; ga naar de OpenAI live lane als je een aanroepbaar endpoint, een gepubliceerde prijs en context conditioning wilt, en je bereid bent hallucinatie op je eigen formularium te testen.

Als de transcriptie een document is, is dit geen close call. GPT Transcribe is goedkoper, onafhankelijk gebenchmarkt, vandaag al aanroepbaar en gelicentieerd voor precies de workflow van bestand-in-tekst-uit die u hebt. Het eigen antwoord van ElevenLabs op dat vlak is Scribe v2 Medical voor $0,20 per uur, met 15% minder fouten dan Scribe v2 op klinische testaudio — een echte concurrent, en een andere dan het model in deze titel.

De valkuil in deze combinatie is dat beide namen het woord transcribe bevatten en dat beide leveranciers een word error rate publiceren, waardoor de vergelijking zichzelf schrijft. Dat moet ze niet doen. Het ene model leest bestanden; het andere luistert naar mensen. Kies eerst de klok en redetwist daarna over de nauwkeurigheid binnen die klok.