
Scribe v3 Live Medical vs GPT Transcribe: Dwa różne zegary
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 89 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 88 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
Te dwa modele nie są konkurentami, a najszybszym sposobem na zmarnowanie kwartału jest traktowanie ich jako jeden. GPT Transcribe to model OpenAI do zamiany mowy na tekst działający offline: wysyłasz gotowy plik audio do endpointu transkrypcji i otrzymujesz pełny, sformatowany transkrypt. Nie potrafi słuchać rozmowy w toku — dokumentacja OpenAI mówi to wprost i każdego, kto potrzebuje streamingu, odsyła do gpt-live-transcribe lub gpt-realtime-whisper. Scribe v3 Live Medical ma przeciwny kształt: to dostrajany w czasie rzeczywistym model kliniczny, który istnieje wyłącznie w ElevenAgents i transkrybuje rozmowy z pacjentami, członkami i świadczeniodawcami, gdy rozmówca wciąż jest na linii, dzięki czemu agent może zareagować na dawkę, zanim zdanie się skończy.
Zatem uczciwe pytanie nie brzmi, który model jest lepszy. Brzmi: na jakim zegarze działa Twój workflow. Jeśli człowiek lub model musi działać w trakcie rozmowy — odpowiedzieć na pytanie, sprawdzić świadczenie, wychwycić przeciwwskazanie — GPT Transcribe zostaje wykluczony, zanim w ogóle zacznie się jakiekolwiek porównywanie dokładności, a jedyna opcja OpenAI w tym obszarze kosztuje 3,8 razy więcej za minutę. Jeśli transkrypcja jest dokumentem tworzonym po fakcie, Scribe v3 Live Medical jest bezużyteczny z zupełnie innego powodu: nie ma API, identyfikatora modelu ani ceny i nie można go wywołać z niczego, co nie jest agentem ElevenAgents.
Zegar, według którego działa każdy z nich
Taryfa GPT Transcribe wynosi 0,0045 USD za minutę, czyli 0,27 USD za godzinę audio, a jej ograniczenia są ograniczeniami pliku: punkt końcowy transkrypcji OpenAI przyjmuje do 25 MB na żądanie, a model zwraca transkrypt z zastosowanymi podpowiedziami językowymi. Nie ma wyniku częściowego, ponieważ nie ma tu nic, co mogłoby być częściowe. W przypadku nagranej wizyty, podyktowanej notatki czy partii zarchiwizowanych połączeń to dokładnie odpowiedni kształt i jeden z tańszych sposobów wydobycia słów z audio.
Strumieniowa oferta OpenAI to odrębna linia produktowa z odrębną stawką: gpt-live-transcriberozliczana jest po 0,017 USD za minutę, czyli około 1,02 USD za godzinę audio. To cena zegara — 3,8 razy więcej niż stawka wsadowa za transkrypcję tego samego dostawcy, jeszcze zanim w ogóle zaczniemy rozmawiać o dokładności. To także miejsce, w którym tak naprawdę tkwi kompetencja OpenAI w transkrypcji w czasie rzeczywistym, a jeśli porównujesz transkrypcję na żywo z transkrypcją na żywo, to właśnie ten model należy zestawić z Scribe v3 Live, a nie z GPT Transcribe.
Zegarem Scribe v3 Live Medical jest długość rozmowy w ElevenAgents. Nie ma pliku. Jest strumień o kształcie WebSocket, którym zarządza platforma, model tur decydujący, kiedy rozmówca skończył mówić, oraz transkrypcja, którą agent konsumuje, aby działać. ElevenLabs nie publikuje wartości opóźnienia dla wariantu medycznego; wartość dla rodziny jest taka, że Scribe v3 Live ma o 44% niższy semantyczny wskaźnik błędów słów niż Scribe v2 Realtime, którego mediana czasu do zatwierdzonej transkrypcji wynosi około 150 ms. ElevenLabs twierdzi, że dostrojenie medyczne dorównuje Scribe v3 Live pod względem opóźnienia.

Dokładność: jedna liczba po audycie, jedna liczba od dostawcy, bez nakładania się
GPT Transcribe ma publiczny, niezależnie zmierzony współczynnik błędów słów: 3,31% w benchmarku AA-WER Artificial Analysis, co w momencie jego premiery w lipcu 2026 r. dało mu dziewiąte miejsce wśród około pięćdziesięciu śledzonych systemów, z cząstkowymi wynikami 2,22% w audio rozmów agentów, 2,72% w VoxPopuli i 6,10% w telekonferencjach wynikowych. Najciekawszy jest rozrzut wewnątrz tej jednej liczby — telekonferencje wynikowe, z ich akcentami, nakładaniem się mowy i żargonem dziedzinowym, są dla niego prawie trzy razy trudniejsze niż czysta mowa agentów. Konsultacja kliniczna plasuje się gdzieś w tym rozrzucie i nikt nie zmierzył gdzie.
Wynik Scribe v3 Live Medical to 12,8% współczynnika błędów słów na PriMock57, wybranym przez ElevenLabs zestawie 57 symulowanych konsultacji w podstawowej opiece zdrowotnej, w porównaniu z 15,5%–17,2% dla czterech konkurencyjnych modeli czasu rzeczywistego w tym samym przebiegu testowym dostawcy. Nie można go porównywać z 3,31% w żadnym kierunku, i to nie tylko ze względu na korpus: obie liczby pochodzą z różnych środowisk testowych, różnych warunków audio i, co krytyczne, różnych opóźnień. Model wsadowy może spojrzeć na cały plik; model strumieniowy podejmuje decyzję, nie wiedząc, co będzie dalej. WER dla strumieniowania jest systematycznie gorszy niż WER wsadowy na tym samym dźwięku, dlatego Artificial Analysis publikuje oba na osobnych tablicach.
Możliwe do obrony stwierdzenie: GPT Transcribe to dobrze zmierzony model wsadowy osiągający niskie jednocyfrowe wyniki w przypadku ogólnej mowy, Scribe v3 Live Medical to mierzony przez dostawcę model strumieniowy, który przewyższa swoich konkurentów czasu rzeczywistego w dźwięku klinicznym o około trzy punkty, a nie istnieje publiczny eksperyment, który zestawia je na tym samym nagraniu.

Adaptacja dziedzinowa — i właśnie w niej tkwi prawdziwa różnica.
Słownictwo kliniczne to cały powód, dla którego istnieje model {{1}}ElevenLabs{{/1}}, a rozwiązuje on ten problem dwutorowo: dostrojenie ukierunkowane na nazwy leków, anatomię i patologię oraz mechanizm terminów kluczowych, który przyjmuje do 10 000 niestandardowych terminów — receptariusz, listę świadczeniodawców, słownik specjalistyczny — bez dodatkowych opłat. {{2}}ElevenLabs{{/2}} uczciwie mówi o tym ograniczeniu w swoim FAQ: model stosuje termin tylko wtedy, gdy audio prawdopodobnie pasuje, a pojedyncze nazwy leków bez kontekstu są najtrudniejszym przypadkiem dla każdego modelu. Jego przykładowy transkrypt opiera się na łatwiejszym schemacie: nazwa leku w zdaniu z dołączoną dawką.
Podejście OpenAI opiera się na instrukcjach, a nie na dostrajaniu. GPT Transcribe przyjmuje listy słów kluczowych oraz swobodny prompt opisujący, czego dotyczy dźwięk, a w trybie czasu rzeczywistego model przenosi wcześniej transkrybowane tury dalej jako kontekst. Własny pomiar OpenAI dotyczący tego warunkowania, przeprowadzony na jego benchmarku Context Aware ASR, podniósł dokładność semantyczną z 38,5% do 44,6% dla modelu działającego na żywo — to wartość raportowana przez dostawcę, mierząca raczej to, czy znaczenie zostało zachowane, niż to, czy słowa były poprawne.
Praktyczny kompromis, i to całkiem realny: model warunkowany promptem może być znacznie lepszy niż wynika to z jego surowego benchmarku, gdy powiesz mu, czego się spodziewać, ale może też halucynować podane słowa kluczowe. Wpisz „metformina” do promptu, a model, który nie słyszy tego słowa wyraźnie, i tak może je wygenerować. Model z obciążeniem ku terminom kluczowym degraduje się łagodniej, ponieważ obciążenie przesuwa prawdopodobieństwo, zamiast stwierdzać obecność. Żaden z tych trybów awarii nie pojawia się w rankingu. Oba pojawiają się w notatkach klinicznych, gdzie zmyślona dawka jest gorsza niż puste pole.
O kwestii zgodności decyduje forma, a nie karta wyników.
Dla podmiotu objętego regulacją to właśnie ta sekcja faktycznie kończy ocenę. ElevenLabs stwierdza, że Scribe v2 Medical — wersja wsadowa, ta, którą można wywołać przez API — kwalifikuje się do HIPAA w ramach Business Associate Agreement i Zero Retention Mode, a po włączeniu ZRM dźwięk i transkrypcja nie są przechowywane po przetworzeniu. Jej dokumentacja dodaje stanowcze ostrzeżenie dotyczące modelu czasu rzeczywistego w ramach wczesnego dostępu: nie przesyłaj chronionych informacji zdrowotnych do Scribe v3 Live Medical, dopóki nie zostanie potwierdzona jego zgodność z HIPAA, a rezydencja danych w UE nie jest dostępna w okresie wczesnego dostępu. Te dwa stwierdzenia współistnieją na stronie ElevenLabs i nie są tym samym stwierdzeniem.
Po stronie OpenAI endpoint transkrypcji to standardowe API klasy enterprise z typowym podejściem do obsługi danych; nie jest sprzedawany jako produkt kliniczny i nie obejmuje medycznego dostrajania. Ma jednak praktyczną zaletę modelu wsadowego: PHI jednokrotnie opuszcza Twój obwód, w wybranym przez Ciebie pliku, na znany Ci czas, i wraca jako tekst, który sam przechowujesz. Nie ma żadnego trwałego strumienia, z którym trzeba by się liczyć.
Ta asymetria działa w nieoczekiwanym kierunku. Potok przetwarzania wsadowego łatwiej dostosować do wymogów zgodności właśnie dlatego, że ma mniej ruchomych części, a jeśli Twój przepływ pracy klinicznej toleruje kilkuminutowe opóźnienie — dokumentacja ambientowa przeglądana po wizycie, notatka przygotowana do podpisu przez klinicystę — to GPT Transcribe z dopracowanym promptem i listą słów kluczowych stanowi prostszy scenariusz zgodności niż model czasu rzeczywistego o wczesnym dostępie, który nie kwalifikuje się jeszcze do PHI.
Koszt na tysiąc wywołań, oba warianty
Tysiąc dziesięciominutowych rozmów klinicznych to 10 000 minut. W GPT Transcribe to 45 USD. W trybie na żywo OpenAI to 170 USD. W Scribe v3 Live Medical nie ma liczby do obliczenia, ponieważ model jest częścią subskrypcji ElevenAgents rozliczanej za minutę rozmowy, w pakiecie z LLM, syntezą mowy, telefonią i zarządzaniem turą rozmowy. To, czy ten pakiet jest tańszy niż 45 USD plus własny stos agentowy, zależy wyłącznie od kosztu własnego stosu agentowego, a ceny ElevenLabs nie można rozłożyć na pozycję ASR.
To, co można rozdzielić, to część rozumowania, i to ona skaluje się wraz z długością rozmowy, a nie długością audio. Agent kliniczny, który czyta transkrypt i podejmuje decyzje, wywołuje LLM przy każdej turze; OrcaRouter udostępnia 215 modeli za jednym API zgodnym z OpenAI przy 0% marży, ceny katalogowe dostawców przekazywane bez zmian, więc model stojący za którymkolwiek transkryberem można wymienić lub objąć automatycznym przełączaniem awaryjnym bez ingerencji w ścieżkę audio. Nie oferujemy Scribe v3 Live Medical ani żadnego modelu transkrypcji OpenAI, a żadna z podanych powyżej stawek nie jest nasza.

Jak podjąć decyzję
Jeśli transkrypcja musi być dostępna, gdy dzwoniący jeszcze mówi, GPT Transcribe to niewłaściwy model, a uczciwe porównanie należy przeprowadzić z endpointem na żywo OpenAI za 0,017 USD za minutę. Wybierz ElevenAgents, jeśli chcesz klinicznego dostrojenia z detekcją tur i akceptujesz stanowisko zgodności dla wczesnego dostępu; wybierz ścieżkę na żywo OpenAI, jeśli chcesz wywoływalny endpoint, opublikowaną cenę i warunkowanie kontekstem oraz jesteś gotów testować halucynacje na własnym formularium.
Jeśli transkrypcja jest dokumentem, to nie ma porównania. GPT Transcribe jest tańszy, niezależnie przebadany, można go wywołać już dziś i jest licencjonowany dokładnie do przepływu pracy plik-wejście-tekst-wyjście, który masz. Własną odpowiedzią ElevenLabs w tym segmencie jest Scribe v2 Medical w cenie 0,20 USD za godzinę, z o 15% mniejszą liczbą błędów niż Scribe v2 w klinicznych nagraniach testowych — prawdziwy konkurent, i to inny niż model z tego tytułu.
Pułapka w tym zestawieniu polega na tym, że obie nazwy zawierają słowo „transcribe” i obaj dostawcy publikują wskaźnik błędów słów, więc porównanie pisze się samo. A nie powinno. Jeden model czyta pliki; drugi słucha ludzi. Najpierw wybierz zegar, a dopiero potem spieraj się o dokładność w jego ramach.
