ElevenLabs hat Scribe v3 Live Medical veröffentlicht, ein Echtzeit-Speech-to-Text-Modell, das medizinische Transkription in Live-Gespräche bringt (ElevenLabs). Laut dem Unternehmen erreichte das Modell auf PriMock57 eine Wortfehlerrate von 12,8 %, die niedrigste unter den verglichenen medizinischen Modellen, und machte 17 % weniger Fehler als der nächstbeste Konkurrent in dieser Gruppe. Die Zahlen stammen aus eigenen Tests des Anbieters; Teams, die Sprachagenten für das Gesundheitswesen entwickeln, sollten sie daher als Angaben des Unternehmens und nicht als unabhängige Ergebnisse lesen.
Was veröffentlicht wurde
Laut ElevenLabs baut Scribe v3 Live Medical auf Scribe v3 Live auf, das als neuestes Live-Speech-to-Text-Modell des Unternehmens beschrieben wird, und ist auf das Vokabular klinischer Gespräche abgestimmt. Das Modell ist in ElevenAgents verfügbar. Diese Platzierung richtet die Veröffentlichung an Entwickler, die Gesprächsagenten für Gesundheitsumgebungen bauen, wo ein Transkript in das einfließt, was der Agent als Nächstes sagt oder aufzeichnet.


Zur Sprachabdeckung gibt das Unternehmen an, dass Scribe v3 Live Medical über 90 Sprachen beherrscht und auch dann mithält, wenn Sprechende während eines Gesprächs die Sprache wechseln. Da Patienten und Pflegepersonen laut ElevenLabs mitten im Gespräch die Sprache wechseln können, wirkt ein Modell, das diesen Wechseln folgt, wie eine praktische Funktion für Entwickler von Agenten.
Benchmark-Ergebnisse
Der zentrale Vergleich erfolgt auf PriMock57, wo Scribe v3 Live Medical eine WER von 12,8 % erzielte, den besten Wert unter den von ElevenLabs getesteten medizinischen Modellen. Das Unternehmen fügt hinzu, dies seien 17 % weniger Fehler als bei dem Modell, das am nächsten kam. Eine niedrigere Wortfehlerrate bedeutet weniger falsch erkannte Wörter pro Transkript, was vor allem dann zählt, wenn ein falsch verstandener Medikamentenname oder eine falsch verstandene Dosierung einen klinischen Eintrag verändern könnte.
ElevenLabs gibt an, dass Scribe v3 Live Medical in seinen Tests bei medizinischen Begriffen bis zu 48 % weniger Fehler machte, sobald eine benutzerdefinierte Begriffsliste geladen ist. Auf Eka Medical ASR erzielte Scribe v3 Live Medical eine semantische WER von 11 % gegenüber 11,54 % bei Scribe v3 Live, was das Unternehmen als 4,7 % weniger Fehler beschreibt.
Die beiden Ergebnisse unterscheiden sich in der Größenordnung: Der größere Gewinn hängt von einer benutzerdefinierten Begriffsliste ab, während der Eka-Vergleich mit dem Allzweckmodell Scribe v3 Live einen kleineren Abstand zeigt. Praktiker sollten daher den größten Nutzen erwarten, wenn der Einsatz ein eigenes Vokabular beisteuern kann. Da jede Zahl aus einem anderen Testaufbau stammt, sind sie eher als getrennte Indikatoren denn als ein gemeinsamer Genauigkeitswert zu lesen.
Latenz
ElevenLabs zufolge transkribiert Scribe v3 Live Sprache in etwa 150 Millisekunden. Das Unternehmen fügt hinzu, dass Scribe v3 Live Medical in Tests diese Latenz erreicht.
Wenn das in der Produktion Bestand hat, kostet die medizinische Abstimmung keine Reaktionsfähigkeit, was für Gesprächsagenten wichtig ist. In einem Live-Gespräch zeigt sich eine Verzögerung der Transkription unmittelbar als Pause, bevor der Agent antworten kann; die Geschwindigkeit des Basismodells zu erreichen, ist daher ein bedeutender Teil des Angebots.
HIPAA-Eignung und Zugangsbeschränkungen
Laut ElevenLabs ist Scribe v3 Live Medical für Enterprise-Kunden HIPAA-fähig, die ein Business Associate Agreement abgeschlossen und den Zero Retention Mode aktiviert haben. Der Zero Retention Mode selbst steht ausgewählten Enterprise-Kunden zur Verfügung (ElevenLabs). ElevenLabs gibt an, dass der Zugang zum Zero Retention Mode eingeschränkt werden kann, wenn das Unternehmen den Anwendungsfall eines Kunden als risikoreich einstuft, wenn ein automatisiertes System das Konto für zusätzliche Moderation markiert oder nach eigenem Ermessen.
Insgesamt hängt eine HIPAA-fähige Nutzung von einem Enterprise-Vertrag und von einer Funktion ab, die nicht jedem Kunden offensteht; kleinere Teams sollten daher die Eignung prüfen, bevor sie einen Einsatz planen. Die Klausel zu hohem Risiko bedeutet zudem, dass selbst ein Enterprise-Käufer klären sollte, wie sein eigener Anwendungsfall eingestuft würde.
Was das für Entwickler bedeutet
Für Teams, die klinische Sprachagenten entwickeln, stellt sich die Veröffentlichung als Paket dar: ein medizinisch abgestimmtes Live-Transkriptionsmodell in ElevenAgents und ein HIPAA-fähiger Weg, der für Enterprise-Kunden ein Business Associate Agreement und den Zero Retention Mode voraussetzt. Die Genauigkeitswerte sind vielversprechend, wurden aber vom Anbieter selbst ermittelt; ein Pilotversuch mit den eigenen Aufnahmen und der eigenen Terminologie des Teams ist daher der sinnvolle Weg, sie zu bestätigen. Da die größte berichtete Verbesserung auf einer benutzerdefinierten Begriffsliste beruht, dürfte eine frühzeitige Vorbereitung dieser Liste die Ergebnisse eines Teams prägen.
Nicht in den Quellen: Hardwareanforderungen
Wir prüfen bei jeder Meldung sechs Angaben im vollständigen Text jeder Quelle. Die unter Quellen genannten Seiten nennen Hardwareanforderungen nicht.
Quellen
Die Quellen, aus denen dieser Artikel geschrieben wurde. Die Links öffnen die Originalseite.

