標題卡寫著「Scribe v3 Live Medical」,副標題為「a clinical transcriber you cannot call」。其下方是一個簡單的流程圖:一支標示為「病患來電」的電話聽筒,指向一個標示為「ElevenAgents」的圓角方框,旁邊另有一個反灰並加刪除線的方框,標示為「Speech to Text API」。
Guides & Insights

Scribe v3 Live Medical:ElevenLabs 打造了一款你無法呼叫的臨床轉錄器

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

關於 Scribe v3 Live Medical,最有趣的事實是部署層面的事實,而不是準確率數字:它沒有模型 ID。ElevenLabs 推出了這個模型、為它撰寫文件、以臨床音訊對它進行基準測試,並把它送到醫療保健客戶面前——然後關上了大多數開發者使用的唯一一扇門。它在 ElevenAgents 內運作,從代理設定中的 ASR 下拉選單選取,且明確無法透過 Speech to Text API 使用。醫療音訊的 API 模型仍是 Scribe v2 Medical,這是 9 月的批次模型。因此,ElevenLabs 在 2026 年 11 月 9 日作為 Scribe v3 系列發布的一部分所宣布的東西——針對錄製與即時音訊的 Scribe v3 和 Scribe v3 Live,以及隨後進入早期存取階段的醫療即時微調模型——最好理解為一個披著模型名稱的平台功能。

這種界定方式決定這次發布對你是否重要。如果你是在 ElevenLabs 的 agent runtime 上打造臨床語音代理,該公司目前最強的即時醫療 ASR 現在只需從一個下拉選單中選取。如果你是在其他地方打造那個代理,這次發布對你的選項毫無改變,而 ElevenLabs 公布的基準測試圖表,是一張關於你無法租用的模型的圖表。

實際上出貨了什麼,以及何時出貨

ElevenLabs 的變更日誌將此系列發布日期定為 2026 年 11 月 9 日:scribe_v3 用於錄製音訊,取代既有轉錄端點上的 scribe_v2,而 scribe_v3_live 則用於即時 WebSocket。兩者分別記錄為 27% 與 44% 的相對改善——Scribe v3 將 FLEURS 上的詞錯誤率從 16.94% 降至 12.38%,而 Scribe v3 Live 宣稱其語意 WER 比 Scribe v2 Realtime 低 44%。這兩個數字都不是醫療數據。它們是醫療變體所建構於其上的該系列之通用數字。

醫療變體另外出現,見於模型說明文件與 ElevenLabs 的醫療轉錄頁面,並具備三項特點:這些特點在發布文章中會顯得不尋常,在平台功能中卻很常見:

• 可用性 — 僅限 ElevenAgents。不適用於 Speech to Text API,無需傳遞模型 ID。

• 狀態 — 早期存取,僅開放給已啟用此功能的工作區,且需要該公司的 turn_v3 turn 模型。

• 成本 — 無需另計費率。ElevenLabs 表示此功能已包含在標準 ElevenAgents 定價中,最多 10,000 個自訂詞彙不另收費。

將這與 Scribe v2 Medical 相比,它是一般的 API 產品:傳入 scribe_v2_medical 作為模型 ID,每小時支付 $0.20,與 Scribe v2 的費率相同。v3 醫療模型並未獲得這種待遇。它得到的是一個下拉式選單。

A section of the ElevenLabs medical transcription page headed 'Medical transcription built for live calls and recorded audio', with the line 'Two Speech to Text models for clinical language: Scribe v3 Live Medical for ElevenAgents, and Scribe v2 Medical for batch transcription', and a sample transcript reading 'He's on metformin 1000 twice a day, empagliflozin 10, and atorvastatin 40. A1C 8.4, eGFR 52, LDL 128'.

真正重要的是臨床主張,而且是基於一個小型的公開資料集。

ElevenLabs 為 Scribe v3 Live Medical 打出的標題數字並不是 FLEURS 的分數,而是 PriMock57——一套為研究用途錄製的 57 段模擬基層醫療問診,規模小、公開,且其聲學特性遠比朗讀語音更接近真實臨床通話。ElevenLabs 表示,在該資料集上,它在其測試過的即時模型中取得最低的詞錯誤率:Scribe v3 Live Medical 為 12.8%,而 AssemblyAI 的 Universal-3.6 Pro Realtime 在醫療模式下為 15.5%、Speechmatics Oak-1 為 16.3%、Deepgram Nova-3 Pharma 為 17.0%、Nova-3 Medical 為 17.2%。

那些是廠商自行執行、在廠商挑選的基準上得到的數字,而誠實的解讀範圍很窄:在一個 57 次諮詢的資料集上,與最接近的競爭對手相差 2.7 個百分點,確實是臨床微調有幫助的真實訊號,但這不保證你們心臟科診所的電話音訊也會遵循同樣的排名。除了 ElevenLabs 之外,沒有人重現過這個結果,而且資料集小到每次通話的變異大於這個差距。

更有用的揭露藏在醫療轉錄頁面自己的 FAQ 裡,而且異常坦率:沒有上下文的孤立藥名,對每個模型來說都是最難的情況,而 ElevenLabs 的建議是使用關鍵詞提示(keyterm prompting)來讓辨識偏向預期詞彙。這是公司在告訴你它的微調界線到哪裡為止。句子中的藥名——「他每天兩次服用 metformin 1000」——是可解決的問題,而該頁面的範例逐字稿正是由這種形式構成。單獨唸出的藥名,例如來電者在被要求重複處方時可能會這麼做,對所有人來說仍然很難。

A single-column scoreboard titled 'Scribe v3 Live Medical — the scoreboard', with rows reading 'Availability: ElevenAgents only, no model ID', 'Status: early access, requires turn_v3', 'PriMock57 WER: 12.8%', 'Nearest rival on that set: 15.5%', 'Price: no separate rate, bundled' and 'PHI: docs say do not send yet', with a footer reading 'All figures vendor-reported by ElevenLabs; no independent reproduction.'

輪次偵測是讓它成為醫療模型的功能。

這個版本真正會改變臨床 AI 代理使用感受的,不是準確度,而是輪次預測。通用型串流 ASR 會在偵測到靜音時將轉錄片段定案,這就是為什麼語音代理會打斷正在唸出長字串的人——例如會員 ID、出生日期、電話號碼,或慢慢拼出的劑量。Scribe v3 Live Medical 的輪次模型會利用對話脈絡判斷來電者是否真的說完,因此代理會等過會員 ID 中間的停頓,而不是在前三位數字就回應。

該行為是turn_v3模型與 ASR 結合後的特性,而且一般可在 Scribe v3 Live 上使用,不僅限於醫療微調版本。醫療版本額外提供的是其底層的詞彙偏置:辨識原本會被扭曲的臨床術語,涵蓋 90 多種語言,並具備多語言模式,能在來電者在通話中途切換語言時跟上。ElevenLabs 表示,醫療準確度的提升是在英語、法語和德語中測量的,這比 90 多種語言支援的範圍更窄,值得另行說明。

要讀兩遍的是合規那一行。

ElevenLabs 的{{1}}醫療轉錄頁面{{/1}}表示,對於已簽署業務夥伴協議(BAA)並啟用零保留模式(ZRM)的 Enterprise 客戶,這兩款模型均符合 HIPAA 資格;且啟用 ZRM 後,音訊輸入與轉錄輸出在處理完成後不會被保留。其 Scribe v3 Live Medical 的文件頁面說法更為明確,也更不方便:在此模型的 HIPAA 資格獲得確認之前,請勿將受保護健康資訊傳送至 Scribe v3 Live Medical;且在早期存取期間不提供歐盟資料駐留。

這兩句話都出現在 ElevenLabs 自己的網站上,而且它們並不是同一句話。經調和後的解讀是:一般醫療保健合規態勢——BAA、ZRM、SOC 2、GDPR——描述的是平台與 GA 醫療產品 Scribe v2 Medical,而早期存取即時模型尚未完成自身的資格認定作業。對 HIPAA 受規範實體而言,具有約束力的是文件中的警告:未經確認 HIPAA 資格的早期存取模型不是放置 PHI 的地方,無論行銷頁面的比較表暗示了什麼。這是暫時狀態,也是本季最可能阻礙合規審查的單一事實。

老實說,這要花多少錢

因為 Scribe v3 Live Medical 沒有自己的計價表,所以沒有每分鐘價格可報。最接近的公開數字,是這個系列在 API 上提供的價格:Scribe v3 為每小時音訊 $0.20,Scribe v3 Live 為每小時 $0.22,關鍵詞提示(keyterm prompting)在即時模型上為每小時 $0.08,在批次模型上為每小時 $0.05。如果你想建立一個心智模型,了解這個醫療模型若有一天登上 API 會是什麼成本,那些就是它可能會繼承的費率——就像 Scribe v2 Medical 繼承了 Scribe v2 的 $0.20 一樣。

你今日實際支付的,是一份 ElevenAgents 訂閱,它把 ASR 與代理的 LLM、電話通訊、輪流發言與工具呼叫一併打包。這是形態上的實質差異,而不只是數字上的差別:代理平台的計價方式是按對話分鐘數,而對話分鐘數涵蓋了 LLM 的 token 與音訊輸出,因此轉錄所占的份額無法單獨切分出來。以每 ASR 分鐘來建立成本模型的團隊,會覺得這種打包方式不透明;而本來就打算自行組裝代理的團隊,則會發現它比各部件加總起來更便宜。

agent 中負責推理的那一半來自哪裡

臨床語音代理本質上是三個模型套在同一件風衣裡:一個負責聽、一個負責判斷、一個負責說。Scribe v3 Live Medical 涵蓋前者,而且僅能在 ElevenAgents 內使用。中間那層是可獨立路由的部分——也就是讀取逐字稿、檢查承保規則、草擬病歷紀錄,或判斷這通電話需要真人的模型。OrcaRouter 以 0% 加成將 215 個模型置於單一 API 之後,將各供應商的標價原樣傳遞,因此負責對逐字稿進行推理的模型可以替換、進行 A/B 測試或故障轉移,而不必動到 ASR 環節。

要確切說明我們提供與不提供哪些服務:OrcaRouter 並不代管 Scribe v3 Live Medical、Scribe v3 Live 或任何 ElevenLabs 轉錄模型,上述各項費率也全都不是我們的。我們所路由的是這條流程中的 LLM 部分 —— 也就是臨床代理在語音文字送達後所呼叫的 Claude、Gemini、GPT、Qwen 與 DeepSeek 模型。這些模型的定價由供應商自行決定,我們未從中加價。

A section of the OrcaRouter site headed 'Zero markup. Zero black boxes.', with the line 'You pay each provider their exact list price. We add $0 per token' and further text explaining that cached and repeated prompt tokens bill at the provider's own cache rate and that cached_tokens appears on every receipt.

誰應該對此採取行動,而誰應該等待?

如果你使用的是 ElevenAgents,並且負責接聽病患、會員或醫療服務提供者的來電——包括排程、報到受理、續藥申請、給付問題——那麼切換 ASR 下拉選項的理由就很明確。你能獲得臨床詞彙偏誤校正、會耐心等待會員 ID 輸入完畢的輪次模型,以及 10,000 個自訂詞彙,而且不會多出一筆獨立計費項目。PriMock57 圖表是廠商提供的,但改善方向與所有臨床 ASR 廠商所報告的一致,而且功能清單具體到足以實際測試。

如果你不在 ElevenAgents 上,請先等等。這裡沒有任何東西可從你的技術堆疊呼叫,而 ElevenLabs 透過 API 提供的替代方案,是九月的批次模型:Scribe v2 Medical,在 Eka Medical ASR 測試分割上比 Scribe v2 少 15% 錯誤,每小時 $0.20,包含關鍵詞與語者分離。對於在就診後處理的環境式記錄,那是合理的產品,也是具備已確認合規方案的產品。至於即時通話,你的選項仍是通用即時模型,搭配短語清單,以及醫療微調所宣稱的準確度落差。

值得關注的不是基準測試更新,而是模型 ID。當 scribe_v3_live_medical出現在語音轉文字參考文件中——或者當關於 PHI 的早期存取警告從文件頁面消失——這就會成為 ElevenLabs 平台之外的開發者可以採取行動的發布。在那之前,這仍是購買該平台的有力論據,而這想必正是重點。