
Scribe v3 Live Medical 与 GPT Transcribe:两种不同的时钟
- 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
这两个模型并不是竞争对手,而把它们当成同一个东西,是最快浪费一个季度的方式。GPT Transcribe 是 OpenAI 的离线语音转文字模型:你把一段已完成的音频文件发送到 transcriptions 端点,就会返回一份完整、格式化好的转录文本。它无法监听正在进行的通话——OpenAI 自己的文档明确说明了这一点,并建议任何需要流式处理的人改用 gpt-live-transcribe 或 gpt-realtime-whisper。Scribe v3 Live Medical 则形态相反:它是一个实时临床微调模型,只存在于 ElevenAgents 内部,在患者、会员和提供者通话仍在进行时进行转录,让坐席能在对方话还没说完时就对剂量作出反应。
所以,真正的问题不是哪个模型更好,而是你的工作流按哪个时钟运行。如果必须在对话过程中由人或模型采取行动——回答问题、查询福利、发现禁忌症——那么在任何准确性比较开始之前,GPT Transcribe 就已经出局了,而该赛道上唯一的 OpenAI 选项每分钟费用达到 3.8 倍。如果转录是事后生成的文档,那么 Scribe v3 Live Medical 会因一个完全不同的原因而不可用:它没有 API、没有模型 ID、也没有价格,而且除了 ElevenAgents 智能体之外,任何东西都无法调用它。
各自运行的时钟
GPT Transcribe 的计费标准是每分钟 $0.0045,或每音频小时 $0.27,而其限制也就是文件的限制:OpenAI 的转写端点每次请求最多接受 25 MB,模型会返回应用了语言提示的转写文本。不存在部分结果,因为并没有什么可供“部分”的。对于录制的一次就诊、一段口述笔记、一批归档通话来说,这恰好就是合适的形态,而且它是从音频中提取文字的更便宜的方式之一。
OpenAI 的流式通道是另一条产品线,费率也不同:gpt-live-transcribe按每分钟 0.017 美元计费,约合每音频小时 1.02 美元。这就是按时间计费的代价——是同一厂商转录批处理费率的 3.8 倍,这还没涉及任何准确性讨论。OpenAI 的实时转录能力也真正体现在这里;如果你是在比较实时转录与实时转录,那么应该拿来与 Scribe v3 Live 对标的是这个模型,而不是 GPT Transcribe。
Scribe v3 Live Medical 的计时依据是 ElevenAgents 内一次对话的时长。这里没有文件。平台管理的是一个 WebSocket 形态的流、一个用于判断呼叫方何时说完话的轮次模型,以及一份智能体为执行操作而按顺序读取的转录文本。ElevenLabs 并未公布医疗变体的延迟数据;该系列的数据是,Scribe v3 Live 的语义词错误率比 Scribe v2 Realtime 低 44%,而后者的已提交转录中位时间约为 150 毫秒。ElevenLabs 表示,医疗微调版在延迟上与 Scribe v3 Live 持平。

准确性:一个经审计的数字,一个供应商数字,二者不重叠
GPT Transcribe 有一个公开且经独立测量的词错误率:在 Artificial Analysis 的 AA-WER 基准上为 3.31%,在 2026 年 7 月发布时,这一成绩在约五十个被跟踪系统中位列第九,其子项得分为:智能体对话音频 2.22%、VoxPopuli 2.72%、财报电话会议 6.10%。这个单一数字内部的差异才是有意思的部分——财报电话会议带有口音、交叉对话和领域术语,对它来说难度几乎是清晰智能体语音的三倍。临床问诊处于这一差异区间的某个位置,而还没有人测量过它到底在哪里。
Scribe v3 Live Medical 的成绩是在 PriMock57 上取得 12.8% 的词错误率;PriMock57 是 ElevenLabs 选定的 57 段模拟初级保健问诊集合。在同一厂商测试轮次中,四款竞争性实时模型的词错误率为 15.5% 至 17.2%。它与 3.31% 无论高低都不具可比性,而且不仅仅是因为语料不同:这两个数字来自不同的测试框架、不同的音频条件,以及关键的——不同的延迟。批处理模型可以查看整个文件;流式模型则在不知道后续内容的情况下做出输出。在相同音频上,流式 WER 系统性地差于批处理 WER,这就是为什么 Artificial Analysis 将两者发布在单独的榜单上。
有据可依的说法是:GPT Transcribe 是一个测量充分的批处理模型,在通用语音上处于较低的个位数区间;Scribe v3 Live Medical 是一个由厂商测量的流式模型,在临床音频上以约三个百分点的优势胜过其实时同类产品;而公开领域不存在将它们放在同一段录音上进行比较的实验。

领域自适应,真正的差异就在这里
临床词汇正是 ElevenLabs 模型存在的全部理由,而它从两个方面应对这个问题:一个是针对药物名称、解剖学和病理学训练的微调模型,另一个是关键术语机制,最多可接受 10,000 个自定义术语——一份处方集、一份医疗服务提供者名册、一本专科词典——且不额外收费。ElevenLabs 在其自己的 FAQ 中坦诚说明了这一限制:只有当音频很可能是匹配项时,模型才会应用某个术语;而脱离上下文、孤立出现的药物名称,对任何模型来说都是最难的情况。它的示例转写文本采用的是较容易的形式:一个药物名称位于句子中,并附有剂量。
OpenAI 采用的是指令方式,而非微调。GPT Transcribe 接受关键词列表,以及描述音频内容的自由形式提示;在实时侧,模型会将先前转录的轮次作为上下文向前传递。OpenAI 自己在 Context Aware ASR 基准上对这种条件化能力的测量,使实时模型的语义准确率从 38.5% 提升到 44.6%——这是供应商报告的数据,衡量的是含义是否得以保留,而不是词语是否正确。
实际权衡是真实存在的:当你告诉一个以提示词为条件的模型该预期什么时,它的表现可以远超其原始基准测试,但它也可能幻觉出你提供的那些关键词。把“metformin”放进提示词里,一个听不清这个词的模型也可能照样输出它。带关键词偏置的模型退化得更平缓,因为偏置改变的是概率,而不是断言其存在。这两种失败模式都不会出现在排行榜上,却都会出现在临床记录中;而在临床记录里,一个幻觉出来的剂量比空白更糟。
合规问题由形式决定,而不是由记分卡决定。
对于受保实体而言,这一节才是真正终结评估的部分。ElevenLabs 表示,Scribe v2 Medical——批处理版本,即可通过 API 调用的那个——符合 HIPAA 资格,并配有业务伙伴协议和零保留模式;启用 ZRM 后,音频和转录文本在处理后不会被保留。其文档针对实时抢先体验模型给出了更明确的警告:在确认 Scribe v3 Live Medical 具备 HIPAA 资格之前,不要向其发送受保护健康信息;并且在抢先体验期间不提供欧盟数据驻留。这两项声明并存于 ElevenLabs 的网站上,但它们并不是同一项声明。
在 OpenAI 这边,转录端点是一个标准的企业级 API,采用通常的数据处理方式;它并非作为临床产品出售,也不包含医疗领域的微调。它真正的优势在于作为批处理模型:PHI 只会以你选定的文件形式、按你所知的时长离开你的边界一次,然后以由你自己存储的文本形式返回。无需考虑持续的数据流。
这种不对称性指向了一个出人意料的方向。批处理流水线之所以更容易实现合规,恰恰是因为它的可变环节更少;如果你的临床工作流能容忍几分钟的延迟——就诊后审阅环境记录、为临床医生起草一份待签名的病历记录——那么,使用精心设计的提示词和关键词列表的 GPT Transcribe,在合规性上比一个尚不具备处理 PHI 资格的早期试用实时模型更容易说明。
每千次调用成本,两种形态
一千通十分钟的临床通话就是 10,000 分钟。在 GPT Transcribe 上是 45 美元。在 OpenAI 的实时通道上是 170 美元。在 Scribe v3 Live Medical 上则没有可计算的数字,因为该模型包含在按对话分钟计价的 ElevenAgents 订阅中,并与 LLM、语音合成、电话通信和对话轮次管理捆绑在一起。这个捆绑包是否比 45 美元加上你自己的 agent 栈更便宜,完全取决于你自己的 agent 栈成本,而且 ElevenLabs 的价格无法拆解为一条 ASR 项。
可分解的是推理环节,而且它是随通话时长而非音频时长扩展的那一部分。一个读取转录文本并做出判断的临床智能体,每轮都会调用 LLM;OrcaRouter通过一个兼容 OpenAI 的 API 以 0% 加价提供 215 个模型,供应商列表价格原样透传,因此任一转录器背后的模型都可更换或启用自动故障转移,而无需改动音频路径。我们不提供 Scribe v3 Live Medical 或任何 OpenAI 转录模型,且上述任何费率都不是我们的。

如何决定
如果必须在来电者仍在说话时就有转写文本,那么 GPT Transcribe 就是错误的模型,真正诚实的比较对象是 OpenAI 每分钟 $0.017 的实时端点。如果你想要带轮次检测的临床微调,并且接受早期访问的合规立场,就选 ElevenAgents;如果你想要可调用的端点、公开定价和上下文条件化,并且准备在自己的处方集上测试幻觉,就选 OpenAI 实时通道。
如果转录结果是一份文档,那这还差得远。GPT Transcribe 更便宜,经过独立基准测试,今天就可以调用,而且其许可正好适用于你现有的“文件进、文本出”工作流。ElevenLabs 在该领域给出的答案是 Scribe v2 Medical,每小时 0.20 美元,在临床测试音频上比 Scribe v2 的错误少 15%——这是一个真正的竞争对手,而且与本文标题中的模型并不是同一个。
这对组合的陷阱在于:两个名称都含有 transcribe 一词,而且两家厂商都公布词错误率,于是对比似乎不言自明。但不该如此。一个模型读取文件;另一个聆听人说话。先确定计时口径,再在该口径内争论准确率。
