Titelkaart met 'Scribe v3 vs MAI Transcribe 2' en de ondertitel 'nauwkeurigheid of doorvoer — kies je knelpunt', naast twee staafparen met het label 'Nauwkeurigheid (AA-WER)' op 1,95% en 2,04% en 'Snelheid (x realtime)' op 76,8x en een veel langere 338,5x, met een voettekst die luidt 'Alle cijfers volgens Artificial Analysis, AA-WER v2.2, non-streaming'.
Guides & Insights

Scribe v3 vs MAI Transcribe 2: 0,09 punten en een snelheidsverschil van 4,4x

Auteur

jinhao.song

Publicatiedatum

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

Zet ElevenLabs Scribe v3 en MAI-Transcribe-2 op dezelfde testopstelling en ze eindigen 0,09 procentpunt uit elkaar op woordfoutpercentage — 1,95% tegen 2,04% op de niet-streamende AA-WER Index van Artificial Analysis. Zet ze op dezelfde doorvoerbench en een van hen verwerkt hetzelfde uur audio in ruwweg een kwart van de kloktijd. Die twee feiten wijzen in tegenovergestelde richtingen, en welke je volgt hangt af van een vraag die de meeste transcriptievergelijkingen nooit stellen: of je knelpunt de woorden of de klok is. Scribe v3 is het nauwkeurigere model, met een marge die je in productie moeilijk zult kunnen meten. MAI-Transcribe-2 is 4,4× sneller en half zo duur. Deze pagina gaat over waar je eigenlijk voor zou moeten betalen.

Begin met het corpus dat op je audio lijkt.

Het samengestelde verschil van 0,09 punt is een gemiddelde, en het gemiddelde verbergt een ommekeer. Op het Earnings-22-corpus van Artificial Analysis — spontane telefoonaudio met accenten en meerdere sprekers, wat op de lijst het dichtst bij een echt verkoopgesprek komt — scoort MAI-Transcribe-2 2,99% en Scribe v3 3,34%. Microsoft wint dat corpus met 0,35 punt, vier keer zo groot als het samengestelde verschil, in tegengestelde richting. Op de kernset voor voorgelezen spraak wint Scribe v3 met 1,47% tegen 1,83%. Op VoxPopuli, parlementaire spraak, is het 1,52% tegen 1,50% — een nek-aan-nekrace binnen de ruis.

Dus "Scribe v3 is nauwkeuriger" is een uitspraak over een gemiddelde, en dat gemiddelde is alleen zinvol als je audio een gemiddelde is van audioboeken, parlement en conference calls. Contactcenter- en voice-agent-workloads zijn dat niet; die hebben de vorm van Earnings-22, en op dat corpus slaat de ranking om. Podcast- en media-archiefworkloads hebben de vorm van voorgelezen spraak, en daar is het voordeel van Scribe v3 echt en groter dan de samengestelde score suggereert.

Two-column scoreboard card titled 'Scribe v3 vs MAI-Transcribe-2: the scoreboard', with six identical rows per column — AA-WER composite, AA-WER on earnings calls, median speed factor, price per 1,000 minutes, documented languages and verbatim mode — showing ElevenLabs Scribe v3 at 1.95%, 3.34%, 76.8x, $3.33, 90+ and none, and Microsoft MAI-Transcribe-2 at 2.04%, 2.99%, 338.5x, $1.67 introductory, 60 and yes, over a footer separating Artificial Analysis figures from vendor list prices.

Beide reeksen getallen zijn metingen van Artificial Analysis op een gedeelde harness, en dat is de enige reden waarom de vergelijking überhaupt de moeite waard is. Het eigen lanceermateriaal van geen van beide leveranciers is vergelijkbaar met dat van de ander: ElevenLabs rapporteert een relatieve FLEURS-winst van 27% ten opzichte van Scribe v2 over 102 talen, Microsoft rapporteert een FLEURS-gemiddelde van 5,2% over 60 talen, en die twee cijfers worden berekend op verschillende talensets met verschillende middeling. Het board van de derde partij is de enige plek waar de twee modellen op gelijke voet samenkomen.

De 4,4× is het getal dat de architectuur verandert.

Het is bij doorvoer dat de twee modellen ophouden als substituten voor elkaar te lijken. MAI-Transcribe-2 haalt op de bench van Artificial Analysis een mediane snelheidsfactor van 338,5; Scribe v3 haalt 76,8. Beide zijn veel sneller dan realtime — Scribe v3 verwerkt een uur audio in minder dan een minuut — dus voor een nachtelijke batchtaak die een podcastarchief aanvult, is het verschil onzichtbaar. Voor alles wat interactief is, is dat niet het geval.

Screenshot of the Microsoft Learn page for MAI-Transcribe in Azure Speech, with body text describing MAI-Transcribe as a next-generation speech-to-text model built in-house by the Microsoft AI team that transcribes across 60 languages and serves video captioning, meetings, clinical notes, call-centre documentation, accessibility tools, content creation and voice agents, above the Foundry portal, REST API and SDK language tabs.

Denk aan een spraakagent die een transcriptie nodig heeft voordat hij kan beslissen wat hij hierna moet zeggen. Bij 76,8× kost een uur audio 47 seconden rekentijd. Dat is prima wanneer de audio een voltooide opname is, en nutteloos wanneer de audio live binnenkomt; daarom verkoopt ElevenLabs voor die taak een apart realtimemodel in plaats van naar het batchmodel te verwijzen. Microsofts antwoord is ook een aparte streaming-SKU. Het batchmodel van geen van beide leveranciers is het juiste hulpmiddel voor live audio; het doorvoercijfer is van belang voor een ander geval: asynchrone pijplijnen met een hoog volume, waarbij je duizenden uren per dag verwerkt en de wachtrij wacht, niet de beller.

Bij 10.000 uur per maand zijn voor 76,8× ongeveer 130 rekenuren nodig en voor 338,5× ongeveer 30. Dat is het verschil tussen een cluster dat je per uur huurt en een dat je nauwelijks merkt. Het is ook het verschil tussen een backfill die binnen een nacht klaar is en een die een heel weekend nodig heeft.

Prijs: een factor twee, met een vervaldatum

Op basis van de lijstprijs is het verschil helderder dan het nauwkeurigheidsverschil. MAI-Transcribe-2 kost $0,10 per audio-uur, of $1,67 per 1.000 minuten. Scribe v3 kost $0,20 per audio-uur na de verlaging door ElevenLabs op 17 november, of $3,33 per 1.000 minuten. Precies het dubbele, aan beide kanten.

Het Microsoft-tarief heeft een voorbehoud dat in elke begroting die erop is gebaseerd thuishoort: $0,10 per uur is een introductieaanbieding die tot eind 2026 loopt, en Microsoft heeft het standaardtarief dat daarna volgt niet gepubliceerd. Een plan voor 2027 dat op $1,67 per 1.000 minuten is vastgezet, is een plan met een regel zonder prijs erin. Het ElevenLabs-tarief is de geldende lijstprijs na een verlaging, geen promotie, waardoor het het beter verdedigbare getal is voor een meerjarenmodel, ook al is het vandaag het hogere tarief.

Twee andere kosten vallen buiten het hoofdtarief en beide vallen in het voordeel van ElevenLabs. Keyterm-prompting op Scribe v3 kost $0,05 per uur bovenop het basistarief; transcriptbewerking $0,07. Microsoft bundelt keyword-biasing in de transcriptieaanroep. En het uurtarief van ElevenLabs dekt diarisatie, entiteitsdetectie en woordtijdstempels in dezelfde doorgang, terwijl Microsoft factureert via Azure Speech-resources, waar de omliggende diensten hun eigen regelitems hebben. De factor twee is reëel, maar het is een ondergrens voor de kloof, geen bovengrens.

Kenmerken waarin ze echt uiteenlopen

• Verbatim-modus — MAI-Transcribe-2 heeft die, als schakelaar tussen verbatim- en opgeschoonde uitvoerstijlen. Scribe v3 niet; ElevenLabs documenteert "geen verbatim-modus" voor het model. Voor compliance-opnames, QA-beoordeling en alles waarbij een valse start bewijs is, is dat een harde eis en die bepaalt op zichzelf de keuze.

• Taalbreedte — Scribe v3 is gedocumenteerd voor 90+ talen; MAI-Transcribe-2 voor 60, met een gepubliceerde ondersteuningstabel per taal en automatische taalidentificatie standaard ingeschakeld. ElevenLabs vermeldt taalnamen, maar de nauwkeurigheidsopsplitsing is beperkter dan de dekkingsclaim.

• Diarisatie — Scribe v3 ondersteunt tot 32 sprekers, waarbij de leverancier claimt 12% minder diarisatiefouten dan v2 en 17% minder bij drie of meer sprekers. MAI-Transcribe-2 biedt diarisatie als parameter met segmenten voorzien van sprekerlabels, en Microsoft publiceert helemaal geen diarisatiefoutpercentage. Niet gemeten is niet hetzelfde als slecht, maar het is niet gemeten.

• Domeinvocabulaire — Scribe v3 accepteert tot 1.000 sleuteltermen per batchverzoek. MAI-Transcribe-2 accepteert een frasenlijst van willekeurige lengte als herkenningshints, waarbij de documentatie expliciet aangeeft dat termen hints zijn en geen geforceerde uitvoer.

• Implementatievorm — MAI-Transcribe-2 draait via het endpoint in enhanced-modus van Azure Speech in genoemde regio's, met REST- en SDK-paden en een Voice Live-integratie voor transcriptie van invoer. Scribe v3 is een wijziging van de model-ID op een bestaande ElevenLabs-integratie, met standaard verwerking in de VS en opties voor dataresidentie in de EU, India en Singapore bij enterprise-abonnementen.

• Compliance — ElevenLabs vereist een ondertekende Business Associate Agreement via de salesafdeling voordat er HIPAA-werk wordt uitgevoerd, en in de documentatie staat niet dat Scribe v3 zelf HIPAA-geschikt is, alleen dat zorgklanten eerst een BAA moeten ondertekenen. De Azure Speech-stack van Microsoft heeft het gebruikelijke regionale en enterprise-complianceoppervlak. Lees beide zorgvuldig voordat u patiëntaudio via een van beide verwerkt.

Screenshot of the ElevenLabs Speech to Text documentation model cards, showing Scribe v3 with 27% fewer word errors than Scribe v2 on FLEURS, diarization to 32 speakers, secondary language codes for mixed-language audio and keyterm prompting up to 1,000 terms, and Scribe v3 Live with a 10,000-term keyterm library, turn prediction and realtime timestamps.

Beide draaien zonder een tweede contract

Het realistische antwoord voor de meeste teams is geen winnaar maar een splitsing: één model voor het corpus waar het wint, gerouteerd op basis van workload. Dat is het geval waarvoor de routeringslaag van OrcaRouter verderop in de pipeline bestaat — transcripten worden samengevat, geclassificeerd en omgezet in acties, en dat zijn de calls die zich vermenigvuldigen. Eén API voor meer dan 200 modellen, lijstprijzen van providers doorgegeven tegen 0% opslag, automatische failover, en een routing-DSL die een vergadertranscript naar de ene samenvatter kan sturen en een compliance-transcript naar de andere, zonder een tweede integratie. Noch Scribe v3 noch MAI-Transcribe-2 staat op onze lijst — beide worden door hun leveranciers geleverd — dus de splitsing betekent nog steeds twee spraakcontracten. Wat wegvalt, is alles downstream van het transcript.

Als je toch één leverancier wilt, is de tiebreak goedkoop uit te voeren: neem honderd uur van je eigen audio, beoordeel beide daarop en kijk naar de op Earnings-22 lijkende subset in plaats van naar het gemiddelde. Het samengestelde verschil van 0,09 punt is kleiner dan het verschil dat elk model tussen corpora laat zien, wat betekent dat het gepubliceerde leaderboard een prior is, geen antwoord.

Wie moet welke kiezen

Kies MAI-Transcribe-2 als je audio gespreksmatig is, je volume hoog is, je pipeline asynchroon is en je verbatim-uitvoer nodig hebt — en houd rekening met een tariefwijziging in januari. Kies Scribe v3 als je breedte aan talen nodig hebt, grote aantallen sprekers, een gepubliceerde diarization-claim, of een prijs die je zonder asterisk in een driejarenmodel kunt opnemen. Kies beide, gesplitst per corpus, als je daar operationeel de bereidheid voor hebt — het nauwkeurigheidsverschil tussen beide is klein genoeg dat de beslissing echt gaat over doorvoer, verbatim-ondersteuning en wiens prijsstelling je vertrouwt dat die volgend jaar nog bestaat.