
ElevenLabs Scribe v3:在 AA-WER 上以 1.95% 排名第二,落後於一個預覽版本
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 184 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 506 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 262 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 94 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 222 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 216 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 108 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百萬 tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
ElevenLabs Scribe v3 的頭條數字是 1.95% 的詞錯率,在 Artificial Analysis 的 AA-WER v2.2 非串流排行榜上排名第二,落後於 Alibaba 的 Fun-Realtime-ASR-preview(1.73%),領先於 Microsoft AI 的 MAI-Transcribe-2(2.04%)。這句話準確無誤,卻也是解讀這個結果最沒用的方式,因為 1.95% 並不是一次測量——它是三個不同測試集的加權平均,而在其中一個測試集上,Scribe v3 根本不是第二。它是第一,領先於總排名高於它的那個模型。ElevenLabs 於 2026 年 11 月 9 日推出 Scribe v3,在同一個 API 呼叫中取代 Scribe v2,並於 11 月 17 日調降所有 Scribe 模型的價格。推出十天後,有趣的問題已不再是這個模型好不好,而是這三個數字中你該相信哪一個。
這 1.95% 實際上是由什麼組成的
Artificial Analysis 並不為每個模型發布單一 WER。它發布的是由三個經清洗語料庫建構而成的綜合指標(AA-WER Index),而每個語料庫各有不同的失效模式:LibriVox 風格有聲書的朗讀語音、歐洲議會的議會語音,以及帶口音英語的自發性多人財報電話會議。將它們平均成單一指標是合理的便利做法,卻是不良的採購工具,因為這三者對相同模型的排名並不一致。
以下是目前看板顯示的前四名,並逐項列出。下列每個數字都是 Artificial Analysis 自己的資料,取自看板的資料載荷,而非四捨五入後的顯示值:
• 綜合 AA-WER — Fun-Realtime-ASR-preview 1.73%、Scribe v3 1.95%、MAI-Transcribe-2 2.04%、Scribe v2 2.18%。
• AA-STT 核心組——Scribe v3 1.47%、Scribe v2 1.51%、MAI-Transcribe-2 1.83%、Fun-Realtime-ASR-preview 1.97%。Scribe v3 在此項目中完勝,而排名在它之上的模型則在四者中墊底。
• VoxPopuli(議會)— Fun-Realtime-ASR-preview 1.17%、MAI-Transcribe-2 1.50%、Scribe v3 1.52%、Scribe v2 1.74%。Scribe v3 在此排名第三,僅以些微差距落後 Microsoft。
• Earnings-22(自發性、帶口音、多位說話者)— Fun-Realtime-ASR-preview 1.80%、MAI-Transcribe-2 2.99%、Scribe v3 3.34%、Scribe v2 3.95%。這正是排名翻轉最劇烈的地方:Microsoft 以 0.35 個百分點擊敗 ElevenLabs,而綜合指標的 0.09 個百分點差距則消失。

這個模式並非隨機。Scribe v3 在乾淨的朗讀語音上表現最強,在類似真實會議的語料上最弱——說話者重疊、語流不順、電話頻寬、口音。這也正是多數企業買家真正在意的語料,因此綜合評分的排序與聯絡中心的實際體驗可能出現分歧。如果你的音訊是播客和錄音室訪談,1.47% 這個數字比 1.95% 更接近你的情況。如果是銷售電話,則是 3.34%。
它上方的模型是預覽版。
Fun-Realtime-ASR-preview 在綜合排名中位居第一,而且靠的是兩個最難的語料庫,而非較容易的那個。它的中位速度倍率為 20.3,約為即時時間的二十分之一,這表示一小時的音訊約需三分鐘,而定價為每 1,000 分鐘 2.82 美元。Scribe v3 以 76.8 倍即時速度進行轉錄,每 1,000 分鐘收費 3.33 美元。因此,領先者速度較慢、大致上更便宜,而且名稱裡還帶著 preview 字樣。
這些都不會讓排名出錯;該指數衡量的是準確度,而非是否已準備就緒。但這確實意味著「Scribe v3 排名第二」這句話暗示第一名是由正式量產模型所占據,而事實並非如此。Alibaba 的項目在排行榜上沒有發布日期,沒有公布各語言細分結果,且識別名稱中帶有「preview」字樣。本季在挑選廠商的團隊,等於是把已上市產品拿來和評估版本相比;而兩者之間 0.22 分的差距,還小於同一個指數內兩個語料庫之間的差異。
從 v2 到 v3,以兩種方式衡量
ElevenLabs 自家公布的 Scribe v3 發表數字是:在內部 FLEURS 測試中,涵蓋 102 種語言,相較於 Scribe v2,字詞錯誤減少 27%——從 16.94% 降至 12.38%——並宣稱每個受測語言都有改善;另外,說話者分離錯誤減少 12%,而在有三位以上說話者時減少 17%。這些是廠商數字,跑在廠商自家版本的公開基準測試上,而 ElevenLabs 異常坦率地表示,其 FLEURS 平均是逐語言計算,而非語料庫層級,因此無法與已公布的 FLEURS 數字相比。
Artificial Analysis 用自己的評測框架跑出的結果顯示,增益較小:綜合分數從 2.18% 到 1.95%,相對提升約 11%,吞吐量則從 53.5× 到 76.8×。這兩種說法都可以成立。多語言 FLEURS 上相對提升 27%,以及三個英文語料庫上相對提升 11%,衡量的是不同的事物;而兩者之間的差距是發布資料中最有用的事實——它告訴你,優勢集中在英語朗讀語音之外,而這正是廠商所說其著眼之處。

兩代之間的功能差異比行銷說法來得有限。Scribe v3 保留了 v2 的功能集:說話者分離最多支援 32 位說話者、批次處理支援 1,000 個關鍵詞、詞級時間戳記、實體偵測、轉錄稿編輯、匯出為 SRT 與 DOCX。它新增了對錄音的 automatic language inference、數字格式控制、次要語言代碼,以及在即時處理方面新增 10,000 詞的關鍵詞庫與輪次預測。它也捨棄了某項功能:沒有逐字模式。Microsoft 的 MAI-Transcribe-2 透過單一開關同時提供逐字與潤飾風格,而對於合規與品管轉錄稿而言,這是功能上的差異,而非外觀上的差異。
11月17日對算術做了什麼
推出八天後,ElevenLabs 全面調降 Speech to Text 價格:批次轉錄每小時 0.20 美元,即時轉錄每小時 0.22 美元,適用於自助服務與 Business 方案的所有 Scribe 模型。換算下來,每 1,000 分鐘分別是 3.33 美元與 3.67 美元。正是這個數字讓準確度表變得具有行動意義,因為在舊價率下,對 Microsoft 的 0.09 個百分點準確度劣勢還很容易辯護;但在新價率下,價格差距就是全部的論點。

關於閱讀排行榜價格欄的一點提醒:Scribe v3 的 $3.33 正好是每小時 $0.20,而 Scribe v2 的 $3.67 正好是每小時 $0.22,這分別是 ElevenLabs 目前價目表中的批次與即時費率。兩列 ElevenLabs 項目按兩個不同 SKU 計價,會被讀成每千 34 美分的 v2 到 v3 折扣,但這個折扣並不存在。在從排名表得出定價結論之前,先確認追蹤器取樣了什麼。
對任何正在建置轉錄稿背後管線的人,值得直說:這些語音模型——不是 Scribe v3,也不是 MAI-Transcribe-2——都不在 OrcaRouter 的名冊上,而上述費率是 ElevenLabs 和 Microsoft 的,不是我們的。我們所路由的是轉錄稿所餵入的那一層:會議記錄交給一個模型,合規審查交給另一個,全部透過同一把金鑰,並讓供應商牌價按 0% 加成原樣轉嫁,同時讓自動容錯移轉在供應商之間運作。這一點在語音管線中比其他地方更重要,因為轉錄稿是輸入,不是產品,而產品通常還在下游三次模型呼叫之後。
接下來兩週應該能敲定的事
這張圖少了兩樣東西,而兩者都是暫時性的。第一項是串流排行榜。Scribe v3 Live 與批次模型一同推出,宣稱在 102 種語言上,相較於 Scribe v2 Realtime,詞錯誤率降低 31%、語意 WER 降低 43%,並且是 ElevenLabs 首度推出的即時語者分離功能——在 16 種語言集合的英文部分錯誤率為 3.1%,其他即時模型則為 5.9% 到 7.3%。這些是廠商數字,且來自與廠商對齊的參考基準,而串流排行榜尚未將該模型繪入圖中,因此這項說法目前無法證偽,而非已獲證實。
第二個是醫療變體 Scribe v3 Live Medical,它根本不是 API 模型:它存在於 ElevenAgents 中,處於早期存取階段,需要 turn_v3 回合模型,沒有獨立費率,而且文件警告在確認其符合 HIPAA 資格之前,不要傳送受保護的健康資訊。批次 API 的醫療模型仍是 Scribe v2 Medical。這個產品系列推出時,臨床批次產品該在的位置卻留了一個缺口。
所以,Scribe v3 推出十天後,最誠實的一句總結是:在乾淨的朗讀語音上,它是最好的非串流模型;在會議場景中排名第二;是 ElevenLabs 歷來推出過最快的產品;而且——在11月17日之後——價格夠低,讓準確度論點和價格論點終於指向同一個方向。排行榜上唯一壓在它上面的,是一個預覽版,而預覽版不會簽合約。
