Música, voz y sonido con IA, desde las fuentes

Noticia

ElevenLabs lanza Scribe v3 Live Medical para transcripción clínica en directo

ElevenLabs afirma que Scribe v3 Live Medical logra un WER del 12,8 % en PriMock57, admite más de 90 idiomas y es apto para HIPAA bajo condiciones.

Portada: 12,8 %, tasa de error de palabras en PriMock57, la más baja entre los modelos médicos

ElevenLabs ha lanzado Scribe v3 Live Medical, un modelo de voz a texto en tiempo real que lleva la transcripción médica a las llamadas en directo (ElevenLabs). La empresa afirma que en PriMock57 el modelo alcanzó una tasa de error de palabras del 12,8 %, la más baja entre los modelos médicos que comparó, y cometió un 17 % menos de errores que el competidor más cercano de ese grupo. Las cifras proceden de pruebas del propio proveedor, así que los equipos que desarrollan agentes de voz para el sector sanitario deben considerarlas afirmaciones de la empresa, no resultados independientes.

Qué se ha lanzado

ElevenLabs afirma que Scribe v3 Live Medical se basa en Scribe v3 Live, que describe como su último modelo de voz a texto en directo, y está ajustado al vocabulario de la conversación clínica. El modelo está disponible en ElevenAgents. Esa ubicación dirige el lanzamiento a los desarrolladores que crean agentes conversacionales para entornos sanitarios, donde la transcripción alimenta lo que el agente diga o registre después.

En cuanto a cobertura de idiomas, la empresa afirma que Scribe v3 Live Medical admite más de 90 idiomas y se mantiene al día cuando los hablantes cambian de idioma durante una llamada. Dado que, según ElevenLabs, pacientes y cuidadores pueden cambiar de idioma a mitad de llamada, un modelo que sigue esos cambios parece una función práctica para quienes crean agentes.

Resultados de las pruebas comparativas

La comparación principal es en PriMock57, donde Scribe v3 Live Medical registró un WER del 12,8 %, la mejor cifra entre los modelos médicos que ElevenLabs probó. La empresa añade que esto supuso un 17 % menos de errores que el modelo que más se acercó. Una tasa de error de palabras más baja significa menos palabras erróneas por transcripción, lo que importa sobre todo cuando un nombre de fármaco o una dosis mal oídos pueden alterar un registro clínico.

ElevenLabs indica que, una vez cargada una lista de términos personalizada, Scribe v3 Live Medical cometió hasta un 48 % menos de errores en términos médicos en sus pruebas. En Eka Medical ASR, Scribe v3 Live Medical obtuvo un 11 % de WER semántico frente al 11,54 % de Scribe v3 Live, lo que la empresa describe como un 4,7 % menos de errores.

Los dos resultados difieren en magnitud: la mayor mejora depende de una lista de términos personalizada, mientras que la comparación de Eka con el Scribe v3 Live de uso general supone un margen menor. Por tanto, un profesional debería esperar el mayor beneficio cuando el despliegue pueda aportar su propio vocabulario. Como cada cifra procede de una configuración de prueba distinta, conviene leerlas como indicadores separados y no como una única puntuación de precisión combinada.

Latencia

ElevenLabs afirma que Scribe v3 Live transcribe el habla en unos 150 milisegundos. Añade que, en las pruebas, Scribe v3 Live Medical iguala esa latencia.

Si eso se cumple en producción, el ajuste médico no sacrifica capacidad de respuesta, algo importante para los agentes conversacionales. En una llamada en directo, el retraso de la transcripción se traduce directamente en una pausa antes de que el agente pueda responder, de modo que igualar la velocidad del modelo base es una parte significativa de la propuesta.

Aptitud para HIPAA y límites de acceso

Según ElevenLabs, Scribe v3 Live Medical es apto para HIPAA para clientes empresariales que tengan vigente un acuerdo de asociado comercial (business associate agreement) y el modo Zero Retention Mode activado. El propio Zero Retention Mode está disponible para clientes empresariales seleccionados (ElevenLabs). ElevenLabs afirma que el acceso a Zero Retention Mode puede restringirse si considera que el caso de uso de un cliente es de alto riesgo, si un sistema automatizado marca la cuenta para moderación adicional o a su entera discreción.

En conjunto, el uso apto para HIPAA depende de un acuerdo empresarial y de una función que no está abierta a todos los clientes, por lo que los equipos más pequeños deberían comprobar su elegibilidad antes de planificar un despliegue. La cláusula de alto riesgo también implica que incluso un comprador empresarial debe confirmar cómo se clasificaría su propio caso de uso.

Qué significa para quienes desarrollan

Para los equipos que crean agentes de voz clínicos, el lanzamiento se presenta como un paquete formado por un modelo de transcripción en directo ajustado al ámbito médico, disponible en ElevenAgents, y una vía apta para HIPAA que exige un acuerdo de asociado comercial y Zero Retention Mode para clientes empresariales. Las cifras de precisión son alentadoras, pero las produjo el proveedor, así que lo sensato para confirmarlas es hacer un piloto con las grabaciones y la terminología del propio equipo. Dado que la mayor mejora comunicada depende de una lista de términos personalizada, prepararla pronto probablemente influirá en los resultados que obtenga el equipo.

No consta en las fuentes: requisitos de hardware

Comprobamos seis datos en cada historia en el texto completo de cada fuente. Las páginas de la lista de fuentes no indican requisitos de hardware.

Fuentes

Las fuentes a partir de las que se escribió este artículo. Los enlaces abren la página original.

  1. ElevenLabsScribe v3 Live Medical helps conversational agents get clinical details rightelevenlabs.ioFuente primaria · consultada el 19 de noviembre de 2026
  2. ElevenLabszero-retention-modeelevenlabs.ioFuente primaria · consultada el 19 de noviembre de 2026
  • elevenlabs
  • speech to text
  • medical asr
  • hipaa