
Scribe v3 Live Medical: ElevenLabs đã tạo ra một công cụ phiên âm lâm sàng mà bạn không thể gọi
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 89 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 134 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
Sự thật thú vị nhất về Scribe v3 Live Medical lại nằm ở khâu triển khai, chứ không phải một con số về độ chính xác: nó không có model ID. ElevenLabs đã phát hành mô hình này, lập tài liệu cho nó, đánh giá chuẩn trên âm thanh lâm sàng, giới thiệu nó trước các khách hàng trong ngành y tế — rồi đóng lại cánh cửa duy nhất mà hầu hết lập trình viên sử dụng. Nó chạy bên trong ElevenAgents, được chọn từ danh sách thả xuống ASR trong phần cài đặt của một agent, và rõ ràng là không khả dụng qua Speech to Text API. Mô hình API dành cho âm thanh y tế vẫn là Scribe v2 Medical, một mô hình xử lý theo lô từ hồi tháng Chín. Vì vậy, thứ mà ElevenLabs công bố ngày 9 tháng 11 năm 2026 trong khuôn khổ ra mắt dòng Scribe v3 — Scribe v3 và Scribe v3 Live dành cho âm thanh ghi sẵn và thời gian thực, cùng bản tinh chỉnh y tế thời gian thực bước vào giai đoạn truy cập sớm — tốt nhất nên hiểu là một tính năng nền tảng khoác lên mình cái tên của một mô hình.
Cách đặt vấn đề đó quyết định liệu bản phát hành này có quan trọng với bạn hay không. Nếu bạn đang xây dựng một tác nhân giọng nói lâm sàng trên agent runtime của ElevenLabs, thì ASR y tế thời gian thực tốt nhất mà công ty có hiện chỉ cách bạn một menu thả xuống. Nếu bạn đang xây dựng tác nhân đó ở bất kỳ nơi nào khác, bản phát hành này không thay đổi gì về các lựa chọn của bạn, và biểu đồ benchmark mà ElevenLabs công bố là biểu đồ về một mô hình mà bạn không thể thuê.
Những gì thực sự được phát hành, và khi nào
Nhật ký thay đổi của ElevenLabs ghi ngày ra mắt dòng sản phẩm là 9 tháng 11 năm 2026: scribe_v3 cho âm thanh đã ghi âm, thay thế scribe_v2 trên endpoint phiên âm hiện có, và scribe_v3_live trên WebSocket thời gian thực. Cả hai được ghi nhận trong tài liệu là mức cải thiện tương đối lần lượt 27% và 44% — Scribe v3 giảm tỷ lệ lỗi từ từ 16,94% xuống 12,38% trên FLEURS, và Scribe v3 Live tuyên bố WER ngữ nghĩa thấp hơn 44% so với Scribe v2 Realtime. Không con số nào trong hai con số này là con số y tế. Chúng là những con số dùng chung cho dòng sản phẩm mà biến thể y tế được xây dựng dựa trên.
Biến thể y tế xuất hiện riêng, trong tài liệu mô hình và trên trang phiên âm y tế của ElevenLabs, với ba đặc điểm mà sẽ bất thường trên một bài đăng ra mắt và là bình thường trên một tính năng nền tảng:
• Tính khả dụng — chỉ có trên ElevenAgents. Không có trên Speech to Text API, không có model ID nào để truyền.
• Trạng thái — quyền truy cập sớm, chỉ giới hạn cho các workspace đã bật tính năng này và yêu cầu mô hình lượt turn_v3 của công ty.
• Chi phí — không có mức giá riêng. ElevenLabs cho biết tính năng này đã được bao gồm trong mức giá tiêu chuẩn của ElevenAgents, với tối đa 10.000 thuật ngữ tùy chỉnh mà không tính thêm phí.
Hãy so sánh điều đó với Scribe v2 Medical, một sản phẩm API thông thường: truyền scribe_v2_medical làm ID mô hình, trả $0.20 mỗi giờ, cùng mức giá với Scribe v2. Mô hình y tế v3 không được đối xử như vậy. Nó chỉ nhận được một menu thả xuống.

Khẳng định đáng quan tâm là một khẳng định lâm sàng, trên một tập dữ liệu công khai nhỏ.
Con số chủ đạo của ElevenLabs dành cho Scribe v3 Live Medical không phải là một con số FLEURS. Đó là PriMock57 — 57 buổi tư vấn chăm sóc ban đầu giả lập được ghi lại phục vụ nghiên cứu; bộ dữ liệu này nhỏ, công khai và gần với đặc tính âm học của một cuộc gọi lâm sàng thực tế hơn nhiều so với giọng đọc. Trên bộ dữ liệu đó, ElevenLabs báo cáo tỷ lệ lỗi từ thấp nhất trong số các mô hình thời gian thực mà họ đã thử nghiệm: 12.8% đối với Scribe v3 Live Medical, so với 15.5% của Universal-3.6 Pro Realtime thuộc AssemblyAI ở chế độ y tế, 16.3% của Speechmatics Oak-1, 17.0% của Deepgram Nova-3 Pharma và 17.2% của Nova-3 Medical.
Đó là những con số do nhà cung cấp tự chạy trên một bộ đánh giá chuẩn do nhà cung cấp tự chọn, và cách diễn giải trung thực là có phạm vi hẹp: khoảng cách 2,7 điểm so với đối thủ gần nhất trên một bộ 57 cuộc tư vấn là tín hiệu thực rằng việc tinh chỉnh cho lâm sàng có ích, và đó không phải là bảo đảm rằng âm thanh điện thoại của phòng khám tim mạch của bạn sẽ theo cùng thứ hạng. Không ai ngoài ElevenLabs đã tái lập được nó, và bộ này đủ nhỏ để độ biến thiên theo từng cuộc gọi lớn hơn khoảng cách.
Thông tin hữu ích hơn nằm sâu trong chính phần FAQ của trang phiên âm y tế, và nó thẳng thắn một cách bất thường: tên thuốc đứng riêng lẻ, không có ngữ cảnh, là trường hợp khó nhất đối với mọi mô hình, và lời khuyên của ElevenLabs là dùng gợi ý bằng từ khóa để thiên lệch nhận diện về phía các thuật ngữ kỳ vọng. Đó là một công ty đang nói cho bạn biết quá trình tinh chỉnh của họ dừng lại ở đâu. Một tên thuốc nằm trong câu — “anh ấy dùng metformin 1000 hai lần một ngày” — là một bài toán có thể giải quyết được, và bản phiên âm mẫu trên trang đó được xây dựng đúng theo dạng này. Một tên thuốc được đọc riêng lẻ, như người gọi có thể làm khi được yêu cầu nhắc lại đơn thuốc, vẫn khó đối với tất cả mọi người.

Phát hiện lượt nói là tính năng khiến nó trở thành một mô hình y tế.
Điều sẽ thay đổi cảm nhận của một tác nhân lâm sàng trong bản phát hành này không phải là độ chính xác. Đó là dự đoán lượt nói. ASR streaming đa dụng chốt một phân đoạn bản ghi khi phát hiện khoảng lặng, đó là lý do các tác nhân thoại ngắt lời những người đang đọc chuỗi dài — mã hội viên, ngày sinh, số điện thoại, liều lượng được đánh vần chậm. Mô hình lượt nói của {{1}}Scribe v3 Live Medical{{/1}} dùng ngữ cảnh hội thoại để quyết định khi nào người gọi đã thực sự nói xong, vì vậy tác nhân chờ qua các khoảng dừng bên trong mã hội viên thay vì trả lời ba chữ số đầu tiên.{{2}}
Hành vi đó là một thuộc tính của mô hình turn_v3 khi được ghép với ASR, và nó có sẵn trên Scribe v3 Live nói chung, không chỉ ở bản tinh chỉnh y tế. Điều mà biến thể y tế bổ sung là thiên lệch từ vựng bên dưới nó: việc nhận diện các thuật ngữ lâm sàng vốn đã bị làm sai lệch ngay từ đầu, trên hơn 90 ngôn ngữ, với chế độ đa ngôn ngữ theo kịp khi người gọi chuyển ngôn ngữ giữa cuộc gọi. ElevenLabs cho biết những cải thiện về độ chính xác y tế được đo bằng tiếng Anh, tiếng Pháp và tiếng Đức, một tuyên bố hẹp hơn so với việc hỗ trợ hơn 90 ngôn ngữ và đáng được nêu riêng.
Dòng tuân thủ là dòng cần đọc hai lần.
Trang phiên âm y tế của ElevenLabs cho biết cả hai mô hình đều đủ điều kiện HIPAA đối với khách hàng Enterprise có Thỏa thuận liên kết kinh doanh và đã bật Chế độ không lưu giữ, đồng thời khi bật ZRM, đầu vào âm thanh và đầu ra bản ghi không bị lưu giữ sau khi xử lý. Trang tài liệu của Scribe v3 Live Medical lại nói một điều chặt chẽ hơn và kém thuận tiện hơn: không gửi thông tin sức khỏe được bảo vệ đến Scribe v3 Live Medical cho đến khi tính đủ điều kiện HIPAA được xác nhận cho mô hình này, và không có khả năng lưu trú dữ liệu tại EU trong giai đoạn truy cập sớm.
Cả hai câu đều nằm trên trang web của chính ElevenLabs, và chúng không phải là cùng một câu. Cách hiểu dung hòa là: tình trạng tuân thủ chung trong lĩnh vực chăm sóc sức khỏe — BAA, ZRM, SOC 2, GDPR — mô tả nền tảng và sản phẩm y tế GA, Scribe v2 Medical, trong khi mô hình thời gian thực dạng truy cập sớm chưa hoàn tất công việc xác định tính đủ điều kiện của chính nó. Đối với một covered entity, cảnh báo trong tài liệu là điều có hiệu lực chi phối: một mô hình truy cập sớm chưa được xác nhận đủ điều kiện HIPAA không phải là nơi dành cho PHI, bất kể bảng so sánh trên trang tiếp thị ngụ ý điều gì. Đó là một trạng thái tạm thời, và cũng là sự thật đơn lẻ có khả năng cao nhất khiến một đợt đánh giá tuân thủ bị chặn lại trong quý này.
Nói thật thì chi phí là bao nhiêu
Vì Scribe v3 Live Medical không có đồng hồ đo riêng, nên không có giá mỗi phút nào để nêu. Các con số công bố gần nhất là những con số mà dòng sản phẩm này có trên API: Scribe v3 ở mức $0.20 mỗi giờ âm thanh, Scribe v3 Live ở mức $0.22 mỗi giờ, gợi ý thuật ngữ khóa ở mức $0.08 mỗi giờ trên các mô hình thời gian thực và $0.05 mỗi giờ trên các mô hình theo lô. Nếu bạn muốn có một cách hình dung về chi phí của mô hình y tế nếu nó từng được đưa lên API, thì đó là những mức giá mà nó có khả năng kế thừa — giống như cách Scribe v2 Medical kế thừa mức $0.20 của Scribe v2.
Điều bạn thực sự phải trả hiện nay là gói đăng ký ElevenAgents, gói này đóng gói ASR cùng với LLM của agent, tổng đài điện thoại, luân phiên lượt nói và gọi công cụ. Đó là khác biệt thực sự về cấu trúc, không chỉ về con số: một nền tảng agent tính giá theo phút hội thoại, và hội thoại bao gồm token LLM cùng đầu ra âm thanh, nên không thể tách riêng phần chi phí của trình phiên âm. Các đội nhóm mô hình hóa chi phí theo phút ASR sẽ thấy gói này khó minh bạch; các đội nhóm dù sao cũng định lắp ghép một agent sẽ thấy nó rẻ hơn tổng các thành phần.
Nửa phần suy luận của agent đến từ đâu
Một tác nhân giọng nói lâm sàng là ba mô hình trong cùng một chiếc áo khoác: một thứ biết nghe, một thứ biết quyết định và một thứ biết nói. Scribe v3 Live Medical đảm nhận phần thứ nhất, và chỉ bên trong ElevenAgents. Phần ở giữa là phần bạn có thể định tuyến độc lập — mô hình đọc bản ghi lời nói, kiểm tra quy tắc chi trả, soạn ghi chú hoặc quyết định cuộc gọi cần con người. OrcaRouter đưa 215 mô hình ra sau một API với mức markup 0%, giữ nguyên giá niêm yết của từng nhà cung cấp, vì vậy mô hình suy luận trên bản ghi lời nói có thể được hoán đổi, chạy A/B hoặc chuyển đổi dự phòng mà không cần chạm vào nhánh ASR.
Nói chính xác về những gì chúng tôi cung cấp và không cung cấp: OrcaRouter không lưu trữ Scribe v3 Live Medical, Scribe v3 Live hay bất kỳ mô hình phiên âm ElevenLabs nào, và không mức giá nào ở trên là của chúng tôi. Thứ chúng tôi định tuyến là phần LLM của quy trình — các mô hình Claude, Gemini, GPT, Qwen và DeepSeek mà một tác nhân lâm sàng gọi sau khi lời nói đến. Giá cho những mô hình đó là của nhà cung cấp, không cộng thêm.

Ai nên hành động về việc này, và ai nên chờ đợi?
Nếu bạn đang dùng ElevenAgents và tiếp nhận cuộc gọi của bệnh nhân, thành viên hoặc nhà cung cấp — đặt lịch, tiếp nhận thông tin, yêu cầu cấp lại thuốc, câu hỏi về quyền lợi — thì lý do chuyển menu thả xuống ASR rất rõ ràng. Bạn có thiên lệch từ vựng lâm sàng, mô hình lượt thoại chờ đọc hết ID thành viên, và 10.000 thuật ngữ tùy chỉnh, mà không phát sinh thêm dòng chi phí nào. Biểu đồ PriMock57 là của nhà cung cấp, nhưng hướng cải thiện cũng chính là hướng mà mọi nhà cung cấp ASR lâm sàng báo cáo, và danh sách tính năng đủ cụ thể để kiểm thử.
Nếu bạn chưa dùng ElevenAgents, hãy chờ. Không có gì ở đây có thể gọi được từ stack của bạn, và giải pháp thay thế mà ElevenLabs cung cấp qua API là một mô hình theo lô từ tháng Chín: Scribe v2 Medical, ít lỗi hơn 15% so với Scribe v2 trên tập kiểm thử Eka Medical ASR, $0.20 mỗi giờ, bao gồm keyterms và diarization. Đối với ghi chép môi trường được xử lý sau buổi thăm khám, đó là một sản phẩm hợp lý và là sản phẩm có câu chuyện tuân thủ đã được xác nhận. Đối với một cuộc gọi trực tiếp, các lựa chọn của bạn vẫn là các mô hình thời gian thực đa dụng, kèm danh sách cụm từ, và khoảng cách độ chính xác mà bản tinh chỉnh y tế đang tuyên bố.
Điều cần chú ý không phải là một bản cập nhật benchmark. Mà là ID mô hình. Khi scribe_v3_live_medicalxuất hiện trong tài liệu tham khảo Speech to Text — hoặc khi cảnh báo truy cập sớm về PHI biến mất khỏi trang tài liệu — thì đây sẽ trở thành một bản ra mắt mà một nhà phát triển bên ngoài nền tảng của ElevenLabs có thể hành động dựa trên đó. Cho đến lúc đó, đây vẫn là một lý lẽ mạnh mẽ để mua nền tảng, mà có lẽ đó chính là mục đích.
