Cartão de título com os dizeres 'Scribe v3 Live Medical' e o subtítulo 'um transcritor clínico para o qual você não pode ligar'. Abaixo, um diagrama de fluxo simples: um fone de telefone rotulado 'chamada do paciente' alimentando uma caixa arredondada rotulada 'ElevenAgents', com uma caixa acinzentada e riscada ao lado rotulada 'API de Fala para Texto'.
Guides & Insights

Scribe v3 Live Medical: a ElevenLabs criou um transcritor clínico que você não pode chamar

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

O fato mais interessante sobre o Scribe v3 Live Medical é um fato de implantação, não um número de precisão: não existe um ID de modelo. A ElevenLabs lançou o modelo, o documentou, o avaliou em áudio clínico, o colocou diante de clientes do setor de saúde — e então fechou a única porta que a maioria dos desenvolvedores usa. Ele roda dentro do ElevenAgents, selecionado em um menu suspenso de ASR nas configurações de um agente, e explicitamente não está disponível por meio da Speech to Text API. O modelo de API para áudio médico continua sendo o Scribe v2 Medical, um modelo em lote de setembro. Portanto, aquilo que a ElevenLabs anunciou em 9 de novembro de 2026 como parte do lançamento da família Scribe v3 — Scribe v3 e Scribe v3 Live para áudio gravado e em tempo real, com o ajuste fino médico em tempo real entrando em acesso antecipado em seguida — é mais bem entendido como um recurso de plataforma usando o nome de um modelo.

Esse enquadramento decide se o lançamento é relevante para você. Se você está criando um agente de voz clínico no runtime de agentes da ElevenLabs, o melhor ASR médico em tempo real que a empresa tem agora está a apenas um menu suspenso de distância. Se você está criando esse agente em qualquer outro lugar, este lançamento não mudou nada nas suas opções, e o gráfico de benchmark que a ElevenLabs publicou é um gráfico sobre um modelo que você não pode contratar.

O que foi realmente lançado, e quando

O changelog da ElevenLabs data o lançamento da família em 9 de novembro de 2026: scribe_v3 para áudio gravado, substituindo o scribe_v2 no endpoint de transcrição existente, e o scribe_v3_live no WebSocket em tempo real. Ambos estão documentados como melhorias relativas de 27% e 44%, respectivamente — o Scribe v3 reduz a taxa de erro de palavra de 16,94% para 12,38% no FLEURS, e o Scribe v3 Live alega um WER semântico 44% menor que o Scribe v2 Realtime. Nenhum dos números é um número médico. São os números de uso geral da família sobre a qual a variante médica é construída.

A variante médica aparece separadamente, na documentação do modelo e na página de transcrição médica da ElevenLabs, com três atributos que seriam incomuns em uma publicação de lançamento e são comuns em um recurso de plataforma:

• Disponibilidade — apenas no ElevenAgents. Não está na API de Conversão de Fala em Texto, sem ID de modelo a passar.

• Status — acesso antecipado, restrito a workspaces que o tenham habilitado, e requer o turn_v3 — modelo de turno da empresa.

• Custo — sem tarifa separada. A ElevenLabs afirma que está incluído no preço padrão do ElevenAgents, com até 10.000 termos personalizados sem custo adicional.

Compare isso com o Scribe v2 Medical, que é um produto de API comum: passe scribe_v2_medical como ID de modelo, pague US$ 0,20 por hora, a mesma tarifa do Scribe v2. O modelo médico v3 não recebeu esse tratamento. Ele recebeu um menu suspenso.

A section of the ElevenLabs medical transcription page headed 'Medical transcription built for live calls and recorded audio', with the line 'Two Speech to Text models for clinical language: Scribe v3 Live Medical for ElevenAgents, and Scribe v2 Medical for batch transcription', and a sample transcript reading 'He's on metformin 1000 twice a day, empagliflozin 10, and atorvastatin 40. A1C 8.4, eGFR 52, LDL 128'.

A alegação que importa é clínica, sobre um pequeno conjunto público.

O título de destaque da ElevenLabs para o Scribe v3 Live Medical não é um número do FLEURS. É o PriMock57 — 57 consultas simuladas de atenção primária gravadas para pesquisa —, que é pequeno, público e muito mais próximo da acústica de uma ligação clínica real do que a fala lida. Nesse conjunto, a ElevenLabs relata a menor taxa de erro de palavras entre os modelos em tempo real que testou: 12,8% para o Scribe v3 Live Medical, contra 15,5% para o Universal-3.6 Pro Realtime da AssemblyAI em modo médico, 16,3% para o Speechmatics Oak-1, 17,0% para o Deepgram Nova-3 Pharma e 17,2% para o Nova-3 Medical.

Esses são números gerados pelo fornecedor em um benchmark selecionado pelo fornecedor, e a leitura honesta é limitada: uma diferença de 2,7 pontos para o concorrente mais próximo em um único conjunto de 57 consultas é um sinal real de que um ajuste fino clínico ajuda, e não é uma garantia de que o áudio de telefonia da sua clínica de cardiologia seguirá o mesmo ranking. Ninguém fora da ElevenLabs o reproduziu, e o conjunto é pequeno o suficiente para que a variância por chamada seja maior que a diferença.

A revelação mais útil está enterrada no próprio FAQ da página de transcrição médica, e é incomumente franca: nomes de medicamentos isolados e sem contexto são o caso mais difícil para todos os modelos, e o conselho da ElevenLabs é usar prompting por termos-chave para enviesar o reconhecimento em direção aos termos esperados. É uma empresa dizendo onde seu ajuste fino para. Um nome de medicamento dentro de uma frase — "ele toma metformina 1000 duas vezes ao dia" — é um problema solucionável, e a transcrição de exemplo naquela página é construída exatamente nesse formato. Um nome de medicamento lido sozinho, como alguém que liga poderia fazer ao ser solicitado a repetir uma prescrição, continua difícil para todos.

A single-column scoreboard titled 'Scribe v3 Live Medical — the scoreboard', with rows reading 'Availability: ElevenAgents only, no model ID', 'Status: early access, requires turn_v3', 'PriMock57 WER: 12.8%', 'Nearest rival on that set: 15.5%', 'Price: no separate rate, bundled' and 'PHI: docs say do not send yet', with a footer reading 'All figures vendor-reported by ElevenLabs; no independent reproduction.'

A detecção de turno é o recurso que o torna um modelo médico

A parte deste lançamento que mudará a sensação de uso de um agente clínico não é a precisão. É a previsão de turno. O ASR de streaming de uso geral emite um segmento de transcrição quando detecta silêncio, e é por isso que agentes de voz interrompem pessoas que estão ditando sequências longas — um ID de membro, uma data de nascimento, um número de telefone, uma dosagem soletrada lentamente. O modelo de turno do Scribe v3 Live Medical usa o contexto da conversa para decidir quando um chamador realmente terminou, então o agente espera durante as pausas dentro de um ID de membro em vez de responder aos três primeiros dígitos.

Esse comportamento é uma propriedade doturn_v3, modelo acoplado ao ASR, e está disponível no Scribe v3 Live em geral, não apenas no ajuste fino médico. O que a variante médica acrescenta é o viés de vocabulário subjacente: o reconhecimento dos termos clínicos que estavam sendo deturpados originalmente, em mais de 90 idiomas, com um modo multilíngue que acompanha quando o interlocutor troca de idioma no meio da chamada. A ElevenLabs afirma que as melhorias de precisão médica foram medidas em inglês, francês e alemão, o que é uma alegação mais restrita do que o suporte a mais de 90 idiomas e vale a pena mencionar separadamente.

A linha de conformidade é a que deve ser lida duas vezes.

A página de transcrição médica da ElevenLabs diz que ambos os modelos são elegíveis para HIPAA para clientes Enterprise com um Business Associate Agreement (BAA) em vigor e o Zero Retention Mode (ZRM) ativado, e que, com o ZRM ativado, a entrada de áudio e a saída da transcrição não são retidas após o processamento. Sua página de documentação do Scribe v3 Live Medical diz algo mais firme e menos conveniente: não envie informações de saúde protegidas ao Scribe v3 Live Medical até que a elegibilidade para HIPAA seja confirmada para este modelo, e a residência de dados na UE não está disponível durante o acesso antecipado.

Ambas as frases estão no próprio site da ElevenLabs, e não são a mesma frase. A leitura reconciliada é que a postura geral de conformidade para a área da saúde — BAA, ZRM, SOC 2, GDPR — descreve a plataforma e o produto médico GA, Scribe v2 Medical, enquanto o modelo em tempo real de acesso antecipado ainda não concluiu seu próprio trabalho de elegibilidade. Para uma entidade coberta, o aviso da documentação é o que prevalece: um modelo de acesso antecipado sem elegibilidade HIPAA confirmada não é lugar para PHI, independentemente do que a tabela comparativa da página de marketing implique. Esse é um estado temporário, e também é o único fato com maior probabilidade de interromper uma revisão de conformidade neste trimestre.

Quanto custa, honestamente

Como o Scribe v3 Live Medical não tem um medidor próprio, não há preço por minuto a informar. Os números publicados mais próximos são os que a família mantém na API: Scribe v3 a $0,20 por hora de áudio, Scribe v3 Live a $0,22 por hora, keyterm prompting a $0,08 por hora nos modelos em tempo real e $0,05 por hora nos modelos em lote. Se você quiser um modelo mental de quanto o modelo médico custaria se algum dia chegasse a uma API, essas são as tarifas que ele provavelmente herdaria — da mesma forma que o Scribe v2 Medical herdou os $0,20 do Scribe v2.

O que você realmente paga hoje é uma assinatura do ElevenAgents, que agrupa o ASR com o LLM do agente, a telefonia, a gestão de turnos e as chamadas de ferramentas. Isso é uma diferença real de formato, não apenas de número: uma plataforma de agentes cobra por minuto de conversa, e a conversa inclui os tokens do LLM e a saída de áudio, de modo que a parcela do transcritor não é separável. Equipes que modelam custos por minuto de ASR acharão esse pacote opaco; equipes que já iam montar um agente de qualquer forma o acharão mais barato do que a soma das partes.

De onde vem a metade de raciocínio do agente

Um agente de voz clínico são três modelos dentro de um sobretudo: algo que ouve, algo que decide e algo que fala. O Scribe v3 Live Medical cobre o primeiro, e apenas dentro do ElevenAgents. O do meio é a parte que você pode encaminhar de forma independente — o modelo que lê a transcrição, verifica uma regra de cobertura, redige a nota ou decide que a chamada precisa de um humano. O OrcaRouter coloca 215 modelos por trás de uma única API com 0% de margem, repassando o preço de tabela de cada provedor sem alterações, para que o modelo que raciocina sobre uma transcrição possa ser trocado, testado em A/B ou substituído por failover sem tocar na etapa de ASR.

Para ser exato sobre o que servimos e o que não servimos: o OrcaRouter não hospeda o Scribe v3 Live Medical, o Scribe v3 Live nem qualquer modelo de transcrição da ElevenLabs, e nenhuma das tarifas acima é nossa. O que roteamos é o lado LLM do pipeline — os modelos Claude, Gemini, GPT, Qwen e DeepSeek que um agente clínico chama depois que as palavras chegam. Os preços desses são do próprio provedor, sem acréscimo.

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.

Quem deve agir sobre isto, e quem deve esperar

Se você está no ElevenAgents e atende ligações de pacientes, beneficiários ou prestadores — agendamento, admissão, solicitações de renovação de receitas, dúvidas sobre benefícios —, o argumento para trocar o menu suspenso de ASR é direto. Você obtém viés de vocabulário clínico, um modelo de turno que aguarda a conclusão dos IDs de beneficiários e 10.000 termos personalizados, sem item de linha adicional. O gráfico do PriMock57 é do fornecedor, mas a direção da melhoria é a mesma que todos os fornecedores de ASR clínico relatam, e a lista de recursos é específica o suficiente para ser testada.

Se você não está no ElevenAgents, aguarde. Nada aqui pode ser invocado a partir da sua stack, e o substituto que a ElevenLabs oferece por meio da API é um modelo em lote de setembro: Scribe v2 Medical, 15% menos erros que o Scribe v2 no conjunto de teste do Eka Medical ASR, US$ 0,20 por hora, com termos-chave e diarização incluídos. Para documentação ambiente processada após a consulta, esse é um produto razoável e é o que tem um histórico de conformidade confirmado. Para uma chamada ao vivo, suas opções continuam sendo os modelos em tempo real de uso geral, com uma lista de frases, e a lacuna de precisão que o ajuste fino médico alega.

O que observar não é uma atualização de benchmark. É o ID do modelo. Quando scribe_v3_live_medical aparecer na referência de Fala para Texto — ou quando o aviso de acesso antecipado sobre PHI desaparecer da página de documentação — isso se torna um lançamento sobre o qual um desenvolvedor fora da plataforma da ElevenLabs pode agir. Até lá, é um argumento forte para comprar a plataforma, o que, presumivelmente, é o objetivo.