
Scribe v3 Live Medical 与 Gemini 3.5 Transcribe Live:12.8% 和 4.00% 并不是同一个数字
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 134 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
把 Scribe v3 Live Medical 的 12.8% 与 Gemini 3.5 Transcribe Live 的 4.00% 放在一起,流式转录这个问题看起来就以三倍之差尘埃落定、倒向 Google 了。事实并非如此,而原因正是本页最有用的东西:这两个数字是在不同音频上、由不同组织、为不同目的测出来的。12.8% 是 ElevenLabs 在 PriMock57 上的词错误率——57 段录制下来的模拟初级保健问诊,里面满是药名、剂量和半截句子。4.00% 是 Artificial Analysis 在其通用语音评测框架上测得的 Gemini 3.5 Transcribe Live 流式词错误率,达到最终转录文本耗时 0.40 秒。一个是临床问诊;另一个是基准测试套件。把二者相比,就像把汽车在赛道上的燃油经济性与城市交通中的燃油经济性相比,然后得出结论说发动机变了,是同一个错误。
剥去虚假的正面对比,真正的选择依然存在,而它关乎部署,而非准确率。Gemini 3.5 Transcribe Live 是一个你可以调用的模型:gemini-3.5-transcribe-live,一个 WebSocket 端点,具有公开的按分钟计价、免费套餐,以及十分钟的会话上限。Scribe v3 Live Medical 则是一个你完全无法调用的模型——它仅作为 ElevenAgents 内的 ASR 选项存在,处于早期访问阶段,没有模型 ID,也没有自己的费率。一个是基础设施,另一个是智能体平台的一项功能。你想要哪一个,取决于你是在构建转录器,还是在购买电话智能体。
各方实际发布的内容
各供应商所述规格的逐维度对比:
• 访问方式——Gemini 3.5 Transcribe Live 是一个 Live API WebSocket 端点(gemini-3.5-transcribe-live),提供免费层级;Scribe v3 Live Medical 仅可在 ElevenAgents 智能体的 Automatic Speech Recognition 设置中选择,无法通过 Speech to Text API 使用。
价格——Gemini 3.5 Transcribe Live 为每百万音频输入 token 3.50 美元、每百万文本输出 token 21.00 美元;Google 估计这分别相当于每分钟 0.005 美元和 0.004 美元,混合计算约为每分钟 0.009 美元;Scribe v3 Live Medical 没有单独定价,已包含在 ElevenAgents 的定价中。
• 准确率——Gemini:据 Artificial Analysis 数据,在 0.40 秒至最终结果区间内的流式 WER 为 4.00%;Scribe:在 PriMock57 上由厂商自行测试的 WER 为 12.8%,而四款竞品实时模型的 WER 为 15.5%–17.2%。
• 领域适配 — Gemini:在批处理版本上提供自定义词汇偏置,Gemini 3.5 Transcribe 卡片中描述了说话人分离和词级时间戳;Scribe:提供临床微调,并最多支持 10,000 个自定义术语,且无需额外费用。
• 语言 — Gemini:支持 85+ 种语言,并可中途切换;Scribe:支持 90+ 种语言,医疗方面的提升已在英语、法语和德语中衡量。
• 会话形态 —— Gemini:一个上限为十分钟的 WebSocket 会话;Scribe:与智能体对话同寿命。
• 合规性——Gemini:我们在模型文档中未发现任何医疗或 HIPAA 定位;Scribe:符合 HIPAA 资格,提供 BAA 和零保留模式,并明确警告:在该实时模型的自身资格得到确认之前,不要向其早期访问版本发送 PHI。
其中有两行决定了大多数实际决策,而这两者都不是准确性。十分钟上限是架构层面的问题:任何长于呼叫中心问卷的会话都必须拼接,而接缝就是你的麻烦。另一项是 ElevenLabs 模型没有标价:你无法把它放进价目表,因为它包含在一项订阅中,而该订阅还会对 LLM、电话和语音计费。

把准确率那一行变成你可以直接使用的形式
有一种正当的方法可以比较这两者,但这种方法需要把它们实际跑起来——而这恰恰是那些营销图表想帮你省掉的事。从已公布的证据中能得出的说法则要狭窄得多:
具体到临床对话,ElevenLabs 有一个实测数字,而 Google 没有。这并不是说 Gemini 3.5 Transcribe Live 在药物名称上表现很差——而是说没有人发布过与之对应的 PriMock57 等效数值。Google 的自定义词汇机制正是它为这一问题提供的工具,而且批处理模型上的词汇偏置已有文档说明;在 Live 端点上,相关文档比其批处理同类产品更单薄,并且共享的 Gemini 3.5 Transcribe 模型卡中描述的说话人分离和词级时间戳功能,并未按端点逐一明确确认。
在通用对话音频方面,Google 的数字由独立渠道发布,ElevenLabs 的数字则由厂商自行发布。4.00% 来自一个采用固定测试框架、覆盖数十个模型的追踪榜单;12.8% 则来自 ElevenLabs 自行选择并运行的一组仅含 57 次咨询的数据。两者都有参考价值,但都不能拿来彼此相减。
实用版:如果你的工作负载是临床通话,就借用你自己录音中类似 PriMock57 的样本——两位说话人、房间里有一份真实的处方集、至少一位来电者读出会员 ID——然后把两者都跑一遍。如果是带有一些术语的通用流式转写,Google 公布的数字是更可审计的起点,其词汇偏置将承担大部分领域负载。

临床差异在于停顿,而不在于词语。
ElevenLabs 构建而 Google 文档未描述的功能是话轮预测。Scribe v3 Live Medical 的话轮模型利用对话上下文而非仅靠静音来判断来电者已经说完,这正是这样的智能体之间的区别:一个在“我的会员 ID 是 4-4-2”之后就会应答,另一个则会等到最后一位数字。ElevenLabs 自己的示例恰恰就是那些会破坏基于静音的端点检测的字符串:会员 ID、出生日期、电话号码、逐字拼出的剂量。
Gemini 3.5 Transcribe Live 把同一个问题又向上推到了技术栈的一层。其文档将其描述为一种双向流式转写模型;话轮在哪里结束,由位于其上层的那套智能体框架决定,而 Google 的语音智能体方案走的是 Live API 自身的轮次处理,而不是转写专用的轮次模型。这完全是一种很好的架构,而且它是另一种架构:端点判定逻辑由你掌控,而你需要对它进行调优。在临床通话中,患者说到症状中途停下来思考时,这种调优就不是表面功夫了。
诚实的成本比较
Google 的计量方式足够透明,可以据此算出一个数字。假设一家诊所每天运行 40 小时的实时通话,每月 22 天:就是 52,800 分钟。按预计每分钟 0.009 美元的混合均价计算,转写这部分每月约 475 美元,而且这是一项你可以预测、设定上限,并在续约时拿来争论的明细成本。
ElevenLabs 这边不会给出一个可比的数字,任何引用这种数字的人都是在猜测。最接近的公开锚点是 API 价目表——Scribe v3 Live 为每小时 0.22 美元,keyterm prompting 为每小时 0.08 美元——但 Scribe v3 Live Medical 并不是这样销售的。它包含在 ElevenAgents 中,按对话分钟计费,而对话包含 LLM token、语音合成和电话通信。这种捆绑究竟是一种折扣还是一种锁定,取决于你原本会自行组合什么,而且无法从定价页面上得出结论。
有一点确实能迁移过来:如果你最后两个都运行——用 Google 做转录,用你选择的 LLM 做推理——那么第二段才是路由决策所在。OrcaRouter 提供 215 个模型,均可通过同一个 OpenAI 兼容 API 访问,0% 加价,供应商标价原样透传,因此 读取 Gemini 转录文本的模型可以更换或故障转移,而无需改动 ASR 代码。我们在此页面不提供任何转录模型,上面所述也均非我们的价格。

该选哪一个
如果你是在构建产品,而不是购买现成产品,就选择 Gemini 3.5 Transcribe Live。在两者中,它是唯一一个可调用模型,具备公开定价、用于评估的免费套餐,以及可置于你自己的智能体循环之后的端点。十分钟的会话上限是设计时需要围绕的约束,而缺乏临床基准则是需要用自己的音频和自定义词汇表来弥补的差距。
如果你已经认定该智能体的问题由 ElevenLabs 负责,并且你的合规立场允许使用早期访问模型——但文档目前表示,就 PHI 而言,在资格确认之前并不允许这样做——那就选择 Scribe v3 Live Medical。临床微调和轮次模型在实时患者通话中是实实在在的优势,而 PriMock57 与竞争实时模型之间的差距,是已发表证据中最有力的,证明临床适配确实有帮助。只不过,它不是关于 Gemini 的证据,Gemini 也不是关于它的证据。
值得关注的数字并不是任何一个 WER。而是 Scribe v3 Live Medical 是否最终会拥有自己的模型 ID。等到那一天,这一比较就会变成常规比较——两个可调用端点、两个计量器、一个可以运行的基准——而 12.8% 也会变成买家真正能够核验的东西。
本文中的对比1
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
