Titelkaart met de tekst 'Scribe v3 Live Medical vs MAI Transcribe 2 Streaming' en de ondertitel 'slechts één heeft een prijs'. Daaronder twee afgeronde kaarten naast elkaar: de linkerkart met kop 'aanroepbaar' vermeldt model-ID, tarief per uur en vier Azure-regio's; de rechterkaart met kop 'gebundeld' toont één regel met de tekst 'inbegrepen in de ElevenAgents-prijsstelling', waarbij de rij met het model-ID grijs is weergegeven.
Guides & Insights

Scribe v3 Live Medical vs MAI Transcribe 2 Streaming: Slechts één heeft een prijs

Auteur

jinhao.song

Publicatiedatum

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

Zet Scribe v3 Live Medical en MAI-Transcribe-2-Streaming naast elkaar en het eerste verschil is niet nauwkeurigheid, latentie of aantal talen. Het is dat de ene een product is en de andere een functie. MAI-Transcribe-2-Streaming heeft een modelstring die je aan een API doorgeeft, een gepubliceerd tarief, een previewstatus, vier genoemde Azure-regio's en twee gedocumenteerde integratiepaden. Scribe v3 Live Medical heeft een dropdown in de instellingen van een ElevenAgents-agent, een poort voor vroegtijdige toegang en geen eigen prijs omdat het in een abonnement is opgenomen. Microsoft leverde een transcriber; ElevenLabs leverde een mogelijkheid binnen een platform dat het ook verkoopt.

Die asymmetrie maakt de nauwkeurigheidsvergelijking het minst nuttige deel van deze pagina en de inkoopvergelijking het nuttigste. Toch verdienen de cijfers het om genoemd te worden, want die van Microsoft zijn de agressieve: een beweerd streamingwoordfoutpercentage van 2,5% bij 0,13 seconden tot een definitief transcript, tegenover 12,8% van ElevenLabs op nagebootste klinische consulten. Die twee cijfers liggen een factor vijf uit elkaar en beschrijven vrijwel niets gemeenschappelijks, en dat is precies waarom deze vergelijking zorg vereist in plaats van een oordeel.

Wat Microsoft daadwerkelijk heeft uitgebracht

MAI-Transcribe-2-Streaming is de realtime-tegenhanger van MAI-Transcribe-2, het interne batchmodel van Microsoft AI. Het verscheen op 1 oktober 2026 in openbare preview, ongeveer een maand na de batchrelease, en wordt aangeboden via de spraakstack van Azure in plaats van via een afzonderlijk AI-eindpunt. Er zijn twee gedocumenteerde integratieroutes: een OpenAI Realtime-compatibele WebSocket en de Azure Speech SDK, die verbindingsbeheer, herhaalpogingen en audiostreaming voor je afhandelt. Beide retourneren tussenresultaten die ter plaatse worden bijgewerkt en eindresultaten die elk segment bevestigen.

De claims die Microsoft eraan verbindt, gelabeld als leveranciersclaims omdat dat is wat ze zijn: als eerste voor nauwkeurigheid op zowel definitieve als gedeeltelijke transcripties op de streaming-evaluatie van Artificial Analysis, met een woordfoutpercentage van 2,5% waarbij de definitieve transcriptie 0,13 seconden na het einde van de spraak gereed is en 2,5% op de eerste gedeeltelijke transcriptie na 0,12 seconden. De belangrijke kanttekening, die de batchlancering deelde: de tracker heeft dit model niet als een rij uitgezet. Microsoft claimt een resultaat op basis van de methodologie van een derde partij, niet door de gepubliceerde meting van een derde partij aan te halen. De daadwerkelijke streamingleider op de ranglijst op het moment van opstellen was Grok Voice Transcribe 2.0 met 2,73% en 0,49 seconden.

Al het andere eraan is gewoon en goed gedocumenteerd: 60 talen met automatische continue taaldetectie, code-switching voor gemengde paren zoals Hinglish en Spanglish, beweringen over ruisbestendigheid, en beschikbaarheid in Sweden Central, Central US, East US 2 en Southeast Asia. De preview-disclaimer is standaard Azure-taal — geen service-level agreement, niet aanbevolen voor productieworkloads.

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'.

Wat ElevenLabs heeft uitgebracht, en waarom het in een andere categorie valt

Scribe v3 Live Medical maakt deel uit van de Scribe v3-familie die op 9 november 2026 is gelanceerd, en het is het medische realtime-onderdeel daarvan. De documentatie van ElevenLabs is duidelijk over de grens: het is alleen beschikbaar in ElevenAgents, het is niet beschikbaar via de Speech to Text API, en als je medische transcriptie via de API wilt, moet je Scribe v2 Medical gebruiken — het batchmodel, voor $0,20 per uur, een normaal product met een model-ID.

Hieruit volgen drie consequenties, en die zijn belangrijker dan welke WER-waarde dan ook:

• Je kunt er geen prijs aan hangen. Het is inbegrepen in de standaardprijs van ElevenAgents, die per gespreksminuut factureert en de ASR bundelt met de LLM van de agent, telefonie, spraaksynthese en tool calls. Er is geen afzonderlijk ASR-tarief, dus er is geen getal om in een vergelijkingsspreadsheet te zetten.

• Je kunt het zelf niet benchmarken buiten het platform. Het enige gepubliceerde cijfer is ElevenLabs' eigen run op PriMock57 — 57 nagebootste consulten in de eerstelijnszorg — waar het 12,8% scoorde tegenover 15,5% voor AssemblyAI Universal-3.6 Pro Realtime in medische modus, 16,3% voor Speechmatics Oak-1, 17,0% voor Deepgram Nova-3 Pharma en 17,2% voor Nova-3 Medical.

• Je kunt er nog geen PHI naartoe sturen. De documentatie zegt ronduit: stuur geen beschermde gezondheidsinformatie naar Scribe v3 Live Medical totdat HIPAA-geschiktheid is bevestigd, en EU-datresidentie is tijdens early access niet beschikbaar. Dat is een stelliger uitspraak dan de algemene regel over HIPAA-geschiktheid op de marketingpagina, en het is de formulering die een compliance officer zal lezen.

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% tegenover 12,8% is geen vijfvoudig verschil

Het lijkt er één. Dat is het niet, om drie redenen, en elk daarvan is een ander soort meetprobleem.

De corpora zijn verschillend. De streaming-testomgeving van Artificial Analysis meet algemene spraak in vele talen en omstandigheden; PriMock57 bestaat uit 57 gesimuleerde huisartsconsultaties waarin twee personen symptomen, recepten en testuitslagen bespreken. Klinische consulten zijn voor elk model moeilijker — de eigen grafiek van ElevenLabs laat vier concurrerende realtime-engines zien die daar tussen 15,5% en 17,2% clusteren, waaronder twee modellen die speciaal voor medische audio zijn gebouwd. Een 12,8% op die set is een sterk resultaat; een 2,5% op een algemene set is een andere prestatie.

De omstandigheden zijn verschillend. Het cijfer van Microsoft is een bewering over de methodologie van een derde partij, niet een rij die die derde partij publiceert. Het cijfer van ElevenLabs is een door de leverancier uitgevoerde test op een door de leverancier gekozen openbare set. Geen van beide is een meting die je tegen de andere kunt afzetten zonder beide op dezelfde audio te draaien, en dat heeft niemand gedaan.

De taken verschillen op een manier die klinisch relevant is. Het model van Microsoft is een algemene transcriber met keyword-biasing en een gedocumenteerde use case voor klinische notities; het is niet fine-tuned op medicatienamen. Het model van ElevenLabs is een fine-tune van Scribe v3 Live die precies op die woordenschat is gericht. Op een schone algemene testset mag je verwachten dat het algemene model wint. Bij "hij gebruikt metformin 1000 tweemaal daags, empagliflozin 10 en atorvastatin 40" — de voorbeeldregel op de medische pagina van ElevenLabs — is de fine-tune degene die een reden heeft om beter te zijn, en het algemene model degene die op zijn fraselijst vertrouwt.

Het latentieverschil is het verschil dat echt is.

Microsofts 0,13 seconde tot een definitief transcript is het cijfer dat een concurrent zorgen zou moeten baren, want het is het soort getal waarop een platform kan worden gebouwd. Onder ongeveer 0,2 seconde komt ondertiteltekst over als gelijktijdig met spraak; een derde van een seconde komt over als een transcript dat de spreker achterna zit. ElevenLabs publiceert geen latentie voor de medische variant, alleen dat die overeenkomt met Scribe v3 Live, waarvan de familievergelijking een 44% lagere semantische WER is dan Scribe v2 Realtime — een model dat ElevenLabs documenteert op ongeveer 150 ms mediane tijd tot een vastgelegd transcript. De plausibele lezing is dus dat beide in dezelfde buurt van minder dan een kwart seconde zitten en dat het verschil niet waarneembaar is voor iemand die meeleest.

Waar het verschil wél naar voren komt, is bij endpointing, en hier heeft ElevenLabs het specifiekere verhaal. De beurtvoorspelling gebruikt gesprekscontext om te bepalen of een beller klaar is, zodat een agent de pauzes binnen een lid-ID of een geboortedatum afwacht in plaats van te reageren op de eerste drie cijfers. Het equivalent van Microsoft is de geavanceerde end-of-turn-detectie van de Voice Live API, wat een eigenschap is van de agentlaag in plaats van de transcriber. Beide lossen het op. De een lost het op binnen het ASR-product en de ander een laag hoger, en als je je eigen agent-loop samenstelt, maakt die laag uit.

Kosten, naast elkaar, met de gaten gemarkeerd

• Microsoft — $0,54 per audio-uur is het introductietarief voor MAI-Transcribe-2-Streaming, zonder dat een standaardprijs bekend is gemaakt; Microsoft heeft deze structuur eerder toegepast, en de early-birdprijs van het batchmodel was expliciet tijdelijk.

• ElevenLabs — er bestaat geen ASR-tarief voor Scribe v3 Live Medical. De ankerprijzen van de familie op de API zijn $0,22 per uur voor Scribe v3 Live en $0,08 per uur voor realtime keyterm-prompting, en het medische API-product, Scribe v2 Medical, kost $0,20 per uur op het batch-endpoint.

• Op schaal — 10.000 minuten gestreamde audio kost ongeveer $90 tegen Microsofts introductietarief en is niet te kwantificeren bij ElevenLabs' platformprijzen, waar dezelfde tienduizend minuten ook LLM-tokens, telefonie en spraak in rekening brengt.

• Aangepaste woordenschat — De frasenlijst van Microsoft is een aanvraagparameter zonder gepubliceerde toeslag; ElevenLabs biedt tot 10.000 aangepaste termen gratis aan in ElevenAgents en rekent $ 0,08 per uur voor realtime keyterms op de API-modellen.

Dat laatste paar is het waard om even bij stil te staan, want 10.000 termen is geen rond getal om marketingredenen — het is ongeveer de omvang van het formularium van een middelgroot zorgsysteem plus het zorgverlenersbestand. Als uw probleem met klinische terminologie groot is, is het termbudget een echte functie, en Microsofts frasenlijst, gedocumenteerd als hints in plaats van afgedwongen uitvoer, is een ander mechanisme met andere faalwijzen.

Waar de redeneerlaag past

Geen van deze modellen beslist iets. Een klinische spraakagent neemt het transcript en doet er iets mee — controleert een dekkingsregel, stelt een notitie op, beslist of er naar een verpleegkundige moet worden doorverwezen — en die stap is een afzonderlijke modelaanroep met een eigen latentiebudget. In een realtimepipeline is de time-to-first-token van het redeneermodel vaak een grotere bijdrage aan de ervaren vertraging dan de 0,13 of 0,15 seconden van de transcriber.

Dat onderdeel is waar een router zijn plek verdient. OrcaRouter biedt 215 modellen achter één OpenAI-compatibele API met 0% opslag, waarbij de lijstprijzen van providers ongewijzigd worden doorgegeven, met automatische failover tussen providers — zodat het model dat over een transcript redeneert, kan worden ingewisseld voor een sneller model, of tijdens een gesprek kan worden overgeschakeld, zonder de Azure- of ElevenLabs-integratie aan te raken. Wij bieden Scribe v3 Live Medical of MAI-Transcribe-2-Streaming niet aan; het transcriptieonderdeel blijft waar je het hebt afgenomen.

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.

Het oordeel, geformuleerd als een inkoopbeslissing

Kies MAI-Transcribe-2-Streaming als je een transcriptiedienst nodig hebt die je kunt aanroepen, kunt prijzen en op een tariefkaart kunt zetten. Het is de enige van de twee die een model is in plaats van een platformfunctie, gedocumenteerd tot op het niveau van de regio en de SDK, en de combinatie van nauwkeurigheid en latentie die het claimt, is momenteel de sterkste gepubliceerde positie in streaming-ASR — met de kanttekening dat de claim van Microsoft is en dat de board die nog niet heeft geplot. Bouw voort op de preview met de gebruikelijke voorzichtigheid: geen SLA, en een introductieprijs die zal veranderen.

Kies Scribe v3 Live Medical als je een agent koopt, geen transcriber — als het telefoonsysteem, de beurtwisseling, de stem en de guardrails toch allemaal van ElevenLabs worden, dan is een klinische fine-tune binnen die stack meer waard dan een betere algemene WER die je zelf zou moeten integreren. Test het eerst op je eigen opnames, en voer er geen PHI doorheen voordat de documentatie ophoudt je te waarschuwen dat je dat niet moet doen.

Als je echt nog geen keuze kunt maken, vind je de doorslaggevende factor niet op de site van een van beide leveranciers: laat twintig van je eigen gesprekken door beide systemen lopen, tel de fouten die een klinische beslissing zouden hebben veranderd in plaats van het totale aantal fouten, en vergelijk dat aantal met wat elke optie je per maand kost, inclusief de onderdelen die je anders zelf zou moeten bouwen. Bij die test zullen zowel de 2,5% als de 12,8% onjuist zijn, en de rangorde kan heel goed omdraaien.