Титульная карточка с надписью «Scribe v3 Live Medical» и подзаголовком «клинический транскрибатор, которому нельзя позвонить». Под ней — простая блок-схема: телефонная трубка с подписью «звонок пациента» подаёт сигнал в скруглённый блок с подписью «ElevenAgents», а рядом с ним — затемнённый и перечёркнутый блок с подписью «Speech to Text API».
Guides & Insights

Scribe v3 Live Medical: ElevenLabs создала клинический транскрибатор, который нельзя вызвать

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Самое интересное в Scribe v3 Live Medical — это факт развёртывания, а не цифра точности: идентификатора модели не существует. ElevenLabs выпустила модель, задокументировала её, провела бенчмарки на клиническом аудио, показала её медицинским клиентам — а затем закрыла единственную дверь, которой пользуется большинство разработчиков. Она работает внутри ElevenAgents, выбирается из выпадающего списка ASR в настройках агента и явно недоступна через Speech to Text API. API-моделью для медицинского аудио остаётся Scribe v2 Medical — пакетная модель, выпущенная в сентябре. Так что то, что ElevenLabs анонсировала 9 ноября 2026 года в рамках запуска семейства Scribe v3 — Scribe v3 и Scribe v3 Live для записанного аудио и аудио в реальном времени, причём медицинская дообученная версия для реального времени следом выходит в ранний доступ, — лучше всего понимать как платформенную функцию, носящую имя модели.

Эта формулировка определяет, имеет ли этот релиз для вас значение. Если вы создаёте клинического голосового агента на agent runtime от ElevenLabs, лучшая в компании система ASR для медицинской речи в реальном времени теперь доступна буквально в одном выпадающем списке. Если вы создаёте такого агента где-либо ещё, этот релиз ничего не изменил в ваших возможностях, а опубликованный ElevenLabs график бенчмарка — это график о модели, которую вы не можете арендовать.

Что именно было выпущено, и когда

В журнале изменений ElevenLabs запуск семейства датирован 9 ноября 2026 года: scribe_v3 для записанного аудио, заменяя scribe_v2 на существующем эндпоинте транскрипции, и scribe_v3_live на WebSocket в реальном времени. Для обоих в документации указаны относительные улучшения на 27% и 44% соответственно — Scribe v3 снижает частоту ошибок в словах с 16,94% до 12,38% на FLEURS, а Scribe v3 Live заявляет, что семантический WER на 44% ниже, чем у Scribe v2 Realtime. Ни одна из этих цифр не является медицинским показателем. Это универсальные показатели для семейства, на основе которого создан медицинский вариант.

Медицинский вариант представлен отдельно, в документации модели и на странице медицинской транскрипции ElevenLabs, с тремя атрибутами, которые были бы необычны для публикации о запуске и обычны для функции платформы:

• Доступность — только в ElevenAgents. Не в Speech to Text API, нет идентификатора модели для передачи.

• Статус — ранний доступ, доступный только тем рабочим пространствам, где он включён, и требует корпоративной модели turn_v3.

• Стоимость — отдельного тарифа нет. ElevenLabs сообщает, что это включено в стандартные тарифы ElevenAgents: до 10 000 пользовательских терминов без дополнительной платы.

Сравните это с Scribe v2 Medical — обычным API-продуктом: передайте scribe_v2_medical в качестве идентификатора модели, платите $0.20 в час — по той же ставке, что и за Scribe v2. Медицинская модель v3 не получила такого же подхода. Ей достался выпадающий список.

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'.

Утверждение, которое имеет значение, — клиническое, на небольшом открытом наборе.

Ключевой показатель ElevenLabs для Scribe v3 Live Medical — не цифра из FLEURS. Это PriMock57 — 57 смоделированных консультаций первичной медико-санитарной помощи, записанных для исследований; набор небольшой, общедоступный и гораздо ближе к акустике реального клинического звонка, чем речь, читаемая вслух. На этом наборе ElevenLabs сообщает о самой низкой частоте ошибок в словах среди протестированных моделей реального времени: 12,8% у Scribe v3 Live Medical против 15,5% у AssemblyAI Universal-3.6 Pro Realtime в медицинском режиме, 16,3% у Speechmatics Oak-1, 17,0% у Deepgram Nova-3 Pharma и 17,2% у Nova-3 Medical.

Это цифры, полученные самим поставщиком на выбранном им бенчмарке, и честная трактовка здесь узкая: разрыв в 2,7 балла с ближайшим конкурентом на одном наборе из 57 консультаций — реальный сигнал, что клиническая донастройка помогает, но это не гарантия, что телефонное аудио вашей кардиологической клиники покажет такое же распределение. Никто за пределами ElevenLabs это не воспроизвёл, а набор достаточно мал, чтобы разброс по отдельным звонкам превышал этот разрыв.

Более полезное признание скрыто в FAQ самой страницы о медицинской транскрипции, и оно на удивление откровенно: изолированные названия лекарств без контекста — самый сложный случай для любой модели, и ElevenLabs советует использовать keyterm prompting, чтобы сместить распознавание в сторону ожидаемых терминов. Так компания говорит вам, где заканчивается её дообучение. Название лекарства внутри предложения — «он принимает метформин 1000 два раза в день» — это решаемая проблема, и образец транскрипта на этой странице построен именно по такой схеме. Название лекарства, произнесённое отдельно, как это может сделать звонящий, когда его просят повторить рецепт, по-прежнему остаётся сложным для всех.

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.'

Определение смены реплик — это функция, которая делает её медицинской моделью.

В этом релизе то, что изменит восприятие клинического агента, — не точность. Это предсказание окончания реплики. Универсальный потоковый ASR фиксирует сегмент транскрипта, когда обнаруживает тишину, поэтому голосовые агенты перебивают людей, диктующих длинные строки, — идентификатор участника, дату рождения, номер телефона, дозировку, медленно произносимую по буквам. Модель определения конца реплики Scribe v3 Live Medical использует контекст разговора, чтобы решить, когда звонящий действительно закончил, поэтому агент пережидает паузы внутри идентификатора участника, вместо того чтобы отвечать на первые три цифры.

Такое поведение является свойством turn_v3 модели в связке с ASR, и оно доступно в Scribe v3 Live в целом, а не только в медицинской дообученной версии. Что добавляет медицинский вариант — это лежащее в его основе словарное смещение: распознавание клинических терминов, которые изначально искажались, на 90+ языках, с многоязычным режимом, который справляется, когда звонящий переключает язык в середине звонка. ElevenLabs сообщает, что улучшения медицинской точности измерялись на английском, французском и немецком языках, что является более узким утверждением, чем поддержка 90+ языков, и его стоит указывать отдельно.

Строку о соответствии стоит прочитать дважды.

На странице медицинской транскрипции ElevenLabs указано, что обе модели могут считаться соответствующими HIPAA для корпоративных клиентов при наличии соглашения об ассоциированном партнёре и включённом Zero Retention Mode (ZRM), а также что при включённом ZRM аудиовход и выходной текст транскрипции не сохраняются после обработки. На странице документации для Scribe v3 Live Medical говорится более категорично и менее удобно: не отправляйте защищённую медицинскую информацию в Scribe v3 Live Medical, пока для этой модели не подтверждено соответствие HIPAA, а размещение данных в ЕС недоступно в период раннего доступа.

Оба предложения размещены на собственном сайте ElevenLabs, и это не одно и то же предложение. Согласованное прочтение таково: общий подход к соответствию требованиям в здравоохранении — BAA, ZRM, SOC 2, GDPR — описывает платформу и медицинский продукт в статусе GA, Scribe v2 Medical, тогда как модель реального времени с ранним доступом ещё не завершила работу по подтверждению собственной правомерности. Для организации, на которую распространяются требования HIPAA, определяющим является предупреждение в документации: модель с ранним доступом без подтверждённого соответствия HIPAA не подходит для PHI, что бы ни подразумевала сравнительная таблица на маркетинговой странице. Это временное состояние, и в то же время это единственный факт, который с наибольшей вероятностью остановит проверку на соответствие в этом квартале.

Сколько это стоит, если честно

Поскольку у Scribe v3 Live Medical нет собственного счётчика, цены за минуту для неё нет. Ближайшие опубликованные цифры — те, что семейство указывает в API: Scribe v3 — $0.20 за час аудио, Scribe v3 Live — $0.22 за час, подсказки по ключевым терминам — $0.08 за час на моделях реального времени и $0.05 за час на пакетных. Если вам нужен ориентир для того, сколько стоила бы медицинская модель, если бы когда-нибудь появилась в API, это те тарифы, которые она, вероятно, унаследовала бы — так же как Scribe v2 Medical унаследовала $0.20 от Scribe v2.

То, за что вы на самом деле платите сегодня, — это подписка ElevenAgents, которая объединяет ASR с LLM агента, телефонией, передачей реплик и вызовами инструментов. Это реальное различие в структуре, а не только в цифрах: платформа для агентов берёт плату за минуту разговора, а разговор включает токены LLM и аудиовыход, поэтому долю транскрибера выделить нельзя. Команды, которые считают затраты на минуту ASR, найдут этот пакет непрозрачным; команды, которые всё равно собирались собрать агента, найдут его дешевле суммы составляющих.

Откуда берётся половина агента, отвечающая за рассуждения

Клинический голосовой агент — это три модели в одном плаще: что-то, что слышит, что-то, что решает, и что-то, что говорит. Scribe v3 Live Medical закрывает первую часть, и только внутри ElevenAgents. Средняя часть — это то, что можно маршрутизировать независимо — модель, которая читает транскрипт, проверяет правило покрытия, составляет черновик заметки или решает, что звонку нужен человек. OrcaRouter объединяет 215 моделей за одним API с наценкой 0%, передавая цену из прайс-листа каждого провайдера без изменений, поэтому модель, которая анализирует транскрипт, можно заменить, подвергнуть A/B-тестированию или переключить на резерв, не затрагивая ASR-звено.

Если быть точными в отношении того, что мы предоставляем, а что нет: OrcaRouter не размещает Scribe v3 Live Medical, Scribe v3 Live или какую-либо модель транскрипции ElevenLabs, и ни один из приведённых выше тарифов не является нашим. Мы маршрутизируем сторону LLM в конвейере — модели Claude, Gemini, GPT, Qwen и DeepSeek, которые клинический агент вызывает после поступления слов. Цены на них устанавливает сам провайдер, без наценки.

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.

Кто должен действовать по этому вопросу, а кто должен подождать?

Если вы работаете с ElevenAgents и принимаете звонки пациентов, участников программ или поставщиков услуг — запись на прием, сбор первичных данных, запросы на повторный отпуск лекарств, вопросы о льготах, — аргумент в пользу переключения раскрывающегося списка ASR очевиден. Вы получаете смещение в пользу клинической лексики, модель очередности реплик, которая дожидается окончания произнесения идентификаторов участников, и 10 000 пользовательских терминов — без отдельной статьи расходов. Диаграмма PriMock57 принадлежит поставщику, но направление улучшения совпадает с тем, о котором сообщает каждый поставщик клинических ASR-решений, а список функций достаточно конкретен, чтобы его можно было проверить.

Если вы не на ElevenAgents, подождите. Ничто из этого нельзя вызвать из вашего стека, а замена, которую ElevenLabs предлагает через API, — это пакетная модель от сентября: Scribe v2 Medical, на 15% меньше ошибок, чем у Scribe v2, на тестовой выборке Eka Medical ASR, $0.20 в час, ключевые термины и диаризация включены. Для фоновой документации, которая обрабатывается после визита, это разумный продукт, и именно у него есть подтверждённая история соответствия требованиям. Для живого звонка ваши варианты по-прежнему — универсальные модели реального времени со списком фраз, а также разрыв в точности, о котором заявляет медицинский fine-tune.

Следить нужно не за обновлением бенчмарка. А за идентификатором модели. Когда scribe_v3_live_medicalпоявится в справочнике Speech to Text — или когда предупреждение о раннем доступе, касающееся PHI, исчезнет со страницы документации — это станет запуском, на который сможет отреагировать разработчик вне платформы ElevenLabs. До тех пор это сильный аргумент в пользу покупки платформы, что, предположительно, и является целью.