
Scribe v3 Live Medical: ElevenLabs har byggt en klinisk transkriberare som du inte kan anropa
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
Det mest intressanta med Scribe v3 Live Medical är ett driftsättningsfaktum, inte en noggrannhetssiffra: det finns inget modell-ID. ElevenLabs släppte modellen, dokumenterade den, benchmarkade den på kliniskt ljud, satte den framför vårdkunder — och stängde sedan den enda dörren som de flesta utvecklare använder. Den körs inuti ElevenAgents, vald från en ASR-rullgardinsmeny i en agents inställningar, och den är uttryckligen inte tillgänglig via Speech to Text-API:et. API-modellen för medicinskt ljud är fortfarande Scribe v2 Medical, en batchmodell från september. Så det som ElevenLabs tillkännagav den 9 november 2026 som en del av lanseringen av Scribe v3-familjen — Scribe v3 och Scribe v3 Live för inspelat och realtidsljud, med den medicinska realtidsfinjusteringen som följer i early access — förstås bäst som en plattformsfunktion som bär en modells namn.
Det ramverket avgör om lanseringen spelar någon roll för dig. Om du bygger en klinisk röstagent på ElevenLabs agent-runtime är företagets bästa realtids-ASR för medicinskt bruk nu bara en rullgardinsmeny bort. Om du bygger den agenten någon annanstans har den här lanseringen inte förändrat något i dina valmöjligheter, och det benchmarkdiagram som ElevenLabs publicerade är ett diagram över en modell som du inte kan hyra.
Vad som faktiskt levererades, och när
ElevenLabs ändringslogg daterar familjelanseringen till den 9 november 2026: scribe_v3 för inspelat ljud, som ersätter scribe_v2 på den befintliga transkriptionsändpunkten, och scribe_v3_live på realtids-WebSocket-anslutningen. Båda dokumenteras som relativa förbättringar på 27 % respektive 44 % — Scribe v3 sänker ordelfrekvensen från 16,94 % till 12,38 % på FLEURS, och Scribe v3 Live hävdar en 44 % lägre semantisk WER än Scribe v2 Realtime. Ingen av siffrorna är en medicinsk siffra. De är de allmänna siffrorna för familjen som den medicinska varianten bygger på.
Den medicinska varianten visas separat, i modelldokumentationen och på ElevenLabs sida för medicinsk transkription, med tre attribut som skulle vara ovanliga i ett lanseringsinlägg och är vanliga för en plattformsfunktion:
• Tillgänglighet — endast ElevenAgents. Inte i Speech to Text API, inget modell-ID att skicka.
• Status – tidig åtkomst, begränsad till arbetsytor som har det aktiverat, och det kräver företagets turn_v3-turnmodell.
• Kostnad – ingen separat avgift. ElevenLabs säger att det ingår i standardprissättningen för ElevenAgents, med upp till 10 000 anpassade termer utan extra kostnad.
Jämför det med Scribe v2 Medical, som är en vanlig API-produkt: skicka scribe_v2_medical som modell-ID, betala 0,20 USD per timme, samma taxa som Scribe v2. V3-modellen för medicin fick inte den behandlingen. Den fick en rullgardinsmeny.

Det avgörande påståendet är kliniskt och gäller en liten offentlig uppsättning.
ElevenLabs huvudsiffra för Scribe v3 Live Medical är inte en FLEURS-siffra. Det är PriMock57 – 57 simulerade primärvårdskonsultationer inspelade för forskning, vilket är litet, offentligt och mycket närmare akustiken i ett verkligt kliniskt samtal än uppläst tal. På den uppsättningen rapporterar ElevenLabs den lägsta ordfelsfrekvensen bland de realtidsmodeller den testade: 12,8 % för Scribe v3 Live Medical, mot 15,5 % för AssemblyAI:s Universal-3.6 Pro Realtime i medicinskt läge, 16,3 % för Speechmatics Oak-1, 17,0 % för Deepgram Nova-3 Pharma och 17,2 % för Nova-3 Medical.
Det är siffror som leverantören tagit fram på ett benchmark som leverantören valt, och den ärliga tolkningen är snäv: en marginal på 2,7 punkter till närmaste konkurrent i en uppsättning på 57 konsultationer är en verklig signal om att en klinisk finjustering hjälper, och det är inte en garanti för att telefoniljudet på din kardiologklinik kommer att följa samma rangordning. Ingen utanför ElevenLabs har reproducerat det, och uppsättningen är tillräckligt liten för att variansen per samtal ska vara större än marginalen.
Det mer användbara avslöjandet ligger begravt i FAQ:n på sidan om medicinsk transkribering, och det är ovanligt uppriktigt: isolerade läkemedelsnamn utan sammanhang är det svåraste fallet för alla modeller, och ElevenLabs råd är att använda keyterm prompting för att styra igenkänningen mot förväntade termer. Det är ett företag som berättar var dess finjustering slutar. Ett läkemedelsnamn inne i en mening – "han tar metformin 1000 två gånger om dagen" – är ett lösbart problem, och exempeltranskriptionen på den sidan är byggd från exakt den formen. Ett läkemedelsnamn som läses upp ensamt, som en uppringare kan göra när den ombeds upprepa en receptförskrivning, förblir svårt för alla.

Tursdetektering är funktionen som gör den till en medicinsk modell.
Den del av den här lanseringen som kommer att förändra hur en klinisk agent upplevs är inte noggrannheten. Det är turprediktionen. Allmän strömmande ASR låser ett transkriptsegment när den upptäcker tystnad, vilket är anledningen till att röstagenter avbryter personer som läser upp långa strängar – ett medlems-ID, ett födelsedatum, ett telefonnummer, en dosering som bokstaveras långsamt. Turmodellen i Scribe v3 Live Medical använder samtalskontext för att avgöra när en samtalare faktiskt har talat färdigt, så agenten väntar igenom pauserna i ett medlems-ID i stället för att svara på de tre första siffrorna.
Det beteendet är en egenskap hos turn_v3-modellen kopplad till ASR, och det finns på Scribe v3 Live generellt, inte bara i den medicinska finjusteringen. Det som den medicinska varianten tillför är ordlistebiasen under den: igenkänningen av de kliniska termerna som blev förvrängda från början, över 90+ språk, med ett flerspråkigt läge som håller jämna steg när en uppringare byter språk mitt i samtalet. ElevenLabs säger att förbättringarna av medicinsk noggrannhet mättes på engelska, franska och tyska, vilket är ett snävare påstående än stödet för 90+ språk och värt att nämna separat.
Regelefterlevnadsraden är den man ska läsa två gånger.
ElevenLabs medicinska transkriberingssida säger att båda modellerna är HIPAA-berättigade för Enterprise-kunder med ett Business Associate Agreement på plats och Zero Retention Mode aktiverat, och att med ZRM aktiverat behålls inte ljudinmatning och transkriptionsutdata efter bearbetning. Dess dokumentationssida för Scribe v3 Live Medical säger något bestämdare och mindre bekvämt: skicka inte skyddad hälsoinformation till Scribe v3 Live Medical förrän HIPAA-berättigande har bekräftats för denna modell, och EU-datans placering är inte tillgänglig under early access.
Båda meningarna finns på ElevenLabs egen webbplats, och de är inte samma mening. Den sammanvägda tolkningen är att den allmänna efterlevnadsprofilen för hälso- och sjukvård – BAA, ZRM, SOC 2, GDPR – beskriver plattformen och den allmänt tillgängliga medicinska produkten Scribe v2 Medical, medan realtidsmodellen i tidig åtkomst ännu inte har slutfört sitt eget behörighetsarbete. För en verksamhet som omfattas är det dokumentationsvarningen som gäller: en modell i tidig åtkomst utan bekräftad HIPAA-behörighet är inte en plats för PHI, oavsett vad marknadsföringssidans jämförelsetabell antyder. Det är ett tillfälligt läge, och det är också det enskilda faktum som mest sannolikt stoppar en efterlevnadsgranskning det här kvartalet.
Vad det kostar, ärligt talat
Eftersom Scribe v3 Live Medical inte har någon egen mätare finns det inget pris per minut att ange. De närmaste publicerade siffrorna är de som familjen har på API:et: Scribe v3 till $0.20 per timme ljud, Scribe v3 Live till $0.22 per timme, keyterm prompting till $0.08 per timme på realtidsmodellerna och $0.05 per timme på batchmodellerna. Om du vill ha en tankemodell för vad den medicinska modellen skulle kosta om den någonsin nådde ett API, är det de priserna den rimligen skulle ärva – på samma sätt som Scribe v2 Medical ärvde Scribe v2:s $0.20.
Det du faktiskt betalar i dag är en ElevenAgents-prenumeration, som paketerar ASR tillsammans med agentens LLM, telefoni, turtagning och verktygsanrop. Det är en verklig skillnad i form, inte bara i siffra: en agentplattform prissätter per samtalsminut, och samtalet omfattar LLM-tokens och ljudutdata, så transkriberarens andel går inte att separera. Team som modellerar kostnader per ASR-minut kommer att uppfatta detta paket som ogenomskinligt; team som ändå tänkte sätta samman en agent kommer att finna det billigare än summan av delarna.
Var den resonerande halvan av agenten kommer ifrån
En klinisk röstagent är tre modeller i en trenchcoat: något som hör, något som beslutar och något som talar. Scribe v3 Live Medical täcker den första, och bara inom ElevenAgents. Mittdelen är den del du kan routa oberoende — modellen som läser transkriptionen, kontrollerar en täckningsregel, skriver ett utkast till anteckningen eller avgör att samtalet behöver en människa. OrcaRouter sätter 215 modeller bakom ett enda API med 0 % påslag, och skickar varje leverantörs listpris vidare oförändrat, så att modellen som resonerar kring en transkription kan bytas ut, A/B-testas eller växlas över utan att röra ASR-delen.
För att vara exakta om vad vi erbjuder och inte erbjuder: OrcaRouter är inte värd för Scribe v3 Live Medical, Scribe v3 Live eller någon av ElevenLabs transkriptionsmodeller, och ingen av priserna ovan är våra. Det vi dirigerar är LLM-sidan av pipeline — modellerna Claude, Gemini, GPT, Qwen och DeepSeek som en klinisk agent anropar efter att orden har kommit in. Prissättningen för dessa är leverantörens egen, utan påslag.

Vem bör agera på detta, och vem bör vänta?
Om du använder ElevenAgents och tar samtal från patienter, medlemmar eller vårdgivare – schemaläggning, intag, påfyllningsförfrågningar, frågor om förmåner – är argumentet för att byta ASR-rullgardinsmenyn rakt på sak. Du får klinisk vokabulärbias, en turmodell som inväntar medlems-ID:n och 10 000 anpassade termer, utan extra kostnadspost. PriMock57-diagrammet är leverantörens, men riktningen på förbättringen är densamma som alla kliniska ASR-leverantörer rapporterar, och funktionslistan är tillräckligt specifik för att testa.
Om du inte är på ElevenAgents, vänta. Inget här kan anropas från din stack, och ersättaren som ElevenLabs erbjuder via API:et är en batchmodell från september: Scribe v2 Medical, 15 % färre fel än Scribe v2 på Eka Medical ASR-testdelen, 0,20 USD per timme, nyckeltermer och diarisering ingår. För ambient dokumentation som bearbetas efter besöket är det en rimlig produkt, och det är den som har en bekräftad compliance-berättelse. För ett live-samtal är dina alternativ fortfarande de allmänna realtidsmodellerna, med en fraslista, och det noggrannhetsgap som den medicinska finjusteringen hävdar.
Det man ska hålla ögonen på är inte en benchmarkuppdatering. Det är modell-ID:t. När scribe_v3_live_medical dyker upp i referensen för Speech to Text – eller när varningen om tidig åtkomst gällande PHI försvinner från dokumentationssidan – blir detta en lansering som en utvecklare utanför ElevenLabs plattform kan agera på. Fram till dess är det ett starkt argument för att köpa plattformen, vilket förmodligen är poängen.
