隆重推出 Eleven v4,这是我们迄今为止最具情感表现力的模型。
探索跳至内容登录注册联系销售登录语音代理会根据实时通话中听到的内容采取行动。当患者说自己服用西格列汀治疗糖尿病时,代理可以将其添加到患者的用药清单中,供临床医生审核。但药物名称很容易听错。在我们的测试中,我们看到某个语音模型将 sitagliptin 转写成了 citalopram,后者是一种抗抑郁药。对许多人来说,这些通话是联系其护理团队的第一步,而代理只有正确听清他们的话才能提供帮助。
今天,ElevenLabs 发布 Scribe v3 Live Medical,将医疗转写引入实时通话。它基于我们最新的实时语音转文本模型 Scribe v3 Live构建,并针对临床语言进行了优化。现已在 ElevenAgents 中提供。
为什么实时通话需要医疗转写
ElevenLabs 已经为 录制的音频, 例如口述和就诊录音,提供医疗转写。但医疗团队构建的许多功能都实时运行,从预约安排和医疗信息热线,到电话资格核查和理赔跟进。这些通话不能等到录音结束。
药物名称和剂量很少出现在日常对话中,因此通用实时模型更容易在这些词上出错。Scribe v3 Live Medical 是我们首个为代理构建的医疗转写模型,将 Scribe v2 Medical 的临床专注带入实时对话。在我们对 PriMock57, 一组公开的模拟实时医生问诊数据集的测试中,Scribe v3 Live Medical 的错误少于我们评估过的任何其他医疗模型。
临床细节至关重要的通话
Scribe v3 Live Medical 专为患者、会员和医疗服务提供者的通话设计,这些通话涉及临床细节,例如入院登记时的用药、事先授权中的手术,或随访通话中的症状。许多医疗代理也会处理完全没有临床细节的通话,例如重新预约或询问办公时间。Scribe v3 Live Medical 提高了临床细节的准确性,并保持了对日常语音的准确性,因此团队可以将其用于每一通电话。
用于临床对话的工具
最多加载 10,000 个自定义术语
医疗团队最多可以添加 10,000 个自己的术语,Scribe v3 Live Medical 仅在来电者似乎说出其中某个术语时才会参考该列表。这足以让一个区域医疗系统加载其所有地点的每位提供者和诊所名称,或让一家制药公司按品牌名和通用名加载其全部产品组合。加载自定义术语列表后,Scribe v3 Live Medical 在我们的测试中医疗术语错误最多减少了 48%。
等待来电者说完
来电者通常会分段读出会员 ID 或出生日期,在找到卡片上的每组数字之间停顿。如果代理将每次停顿都视为一轮对话的结束,就会在号码读到一半时插话,来电者不得不重新开始。Scribe v3 Live Medical 能识别号码尚未读完,因此代理会等待剩余部分再回复。
跨语言跟踪患者
患者和护理人员可能会在通话中途切换语言,例如用母语更轻松地描述症状。Scribe v3 Live Medical 支持 90 多种语言并跟随这些切换,因此第二语言的语音会被转写而不是被丢弃。
我们如何评估 Scribe v3 Live Medical
我们将 Scribe v3 Live Medical 与领先提供商的实时语音转文本模型进行了测试,包括专业医疗模型和通用模型,全部使用相同的录音。我们使用了两个公开的医患对话基准,将 Scribe v3 Live Medical 与 Scribe v3 Live 在医疗和日常语音上进行了比较,并测试了英语、法语和德语中的医疗术语。除非另有说明,结果均为英语。
我们报告词错误率(WER),即转写错误的单词占比,以及语义 WER,后者只统计改变含义的错误。语义 WER 将“20 mg”和“二十毫克”视为匹配,因此其分数低于 WER。
注意:这些结果来自 ElevenLabs 对选定提供商在实时模式下的内部测试,每个模型均采用其最佳可用配置。它们并不包括所有可用模型。
初级保健问诊(PriMock57)
PriMock57 包含 57 次模拟实时初级保健问诊,每次约 9 分钟,由临床医生与扮演患者的演员进行。双方的对话均无脚本。演员根据涵盖症状、病史和当前用药的病例卡进行表演,临床医生则像真实问诊一样进行每次咨询。通话通过远程医疗软件进行,临床医生使用笔记本电脑,患者使用手机,环境为有背景噪音的办公室。
我们使用这个基准是因为它包含了患者通话难以转写的要素:无脚本的来回对话、带背景噪音的电话音频,以及密集的临床细节。Scribe v3 Live Medical 在我们测试的医疗模型中 WER 最低(12.8%),比第二接近的模型错误少 17%。

患者访谈(Fareez OSCE)
Fareez OSCE 包含 272 段录制的患者访谈,采用医学院测试临床技能的形式,即客观结构化临床考试(OSCE)。在每段访谈中,住院医生或高年级医学生向扮演患者的人询问其症状和病史。由于由另一个国家的不同团队录制,该数据集可以检验结果在新说话人、录音设备和条件下是否依然成立。Scribe v3 Live Medical 在我们测试的医疗模型中语义 WER 最低(0.6%)。

与 Scribe v3 Live 相比
Eka Medical ASR 包含 3,600 多段来自医生和医学生的英语录音,侧重于医疗术语和品牌药名。Scribe v3 Live Medical 在 Eka Medical ASR 上的错误比 Scribe v3 Live 少 4.7%(语义 WER 为 11% 对 11.54%)。
模型
Eka Medical ASR(语义 WER)
Scribe v3 Live Medical
11%
Scribe v3 Live
11.54%
日常语音(Common Voice 和 FLEURS)
Common Voice 是 Mozilla 的一套由志愿者朗读的句子集合,FLEURS 是 Google 的一套以 100 多种语言朗读的简短、非临床句子集合。我们在它们的英语数据集上对两者进行了评分,以确保使用 Scribe v3 Live Medical 的团队不会在日常语音上牺牲准确率。即使是一个提到药物名称的句子,也主要由日常词汇构成,因此医疗模型必须把两者都处理正确。
Scribe v3 Live Medical 在两者上的表现与 Scribe v3 Live 大致相同。

跨语言的医疗准确率(MED-Term)
许多医疗团队以不止一种语言为患者提供服务。 MED-Term是 Corti 提供的一个公开基准,包含英语、法语和德语的口语临床病例描述,每个描述都围绕罕见和专业的医学术语构建。我们用它来检验 Scribe v3 Live Medical 在英语之外的临床词汇处理能力。其语义 WER 在英语中为 2.24%,德语中为 2.81%,法语中为 3.24%。
语言
语义 WER(MED-Term)
英语
2.24%
德语
2.81%
法语
3.24%
实时通话中的低延迟
在实时通话中,坐席在拿到转写文本之前无法回应,因此转写中的任何延迟都会变成来电者听到的停顿。Scribe v3 Live 转写语音约需 150 毫秒,在测试中,Scribe v3 Live Medical 的延迟与之相当,因此其临床侧重不会带来可察觉的延迟。
医疗团队的实际体验
团队已经在使用 Scribe v3 Live Medical 构建坐席。
“与 Eleven v4 Turbo 和 Scribe v3 Live Medical 的交互体验非常出色,”辉瑞数字战略与创新总监 Idin Jafari 表示。“坐席听起来很真实,而且对我们对话中出现的品牌名和通用名更加准确。”
在患者通话中,这种准确率会延续到护理团队在通话后审阅的内容中。
“ElevenLabs 不断提高标准,这让 Vintage Labs 能够更快地行动。我们的 VIA 平台为大型学术医疗系统进行术前和术后通话。借助 Scribe v3 Live Medical,它能更好地理解患者:他们的药物、他们的手术、他们医生的名字,”Vintage Labs AI 创始人兼首席运营官 Shantanu Ghorai 表示。“轮次检测会等患者说完出生日期再回复,多语言模式在来电者切换为西班牙语时也能跟上。护士现在可以信任通话摘要,而无需重放录音。”
更少的错误对医疗团队意味着什么
错误率在真实通话中更容易判断。一通 10 分钟的接诊通话中,来电者与坐席之间大约有 1,500 个词。按照上述 PriMock57 错误率,Scribe v3 Live Medical 会比我们测试的次优医疗模型多正确识别约 40 个词。对于每天处理 1,000 通电话的团队来说,这意味着每天多正确转写约 40,000 个词。并非每个词的分量都相同。漏掉一个“嗯”无伤大雅。听错一种药物会把错误的药写进续药请求,会员 ID 中错一个数字会卡住资格核查。其中任何一种都可能变成回电、转接给工作人员,或要求患者重复自己说过的话。
保护健康信息
医疗坐席在许多通话中会听到受保护的健康信息(PHI),包括姓名、出生日期、会员 ID、药物和症状。对于已签署业务伙伴协议(BAA)并启用 Zero Retention Mode 的企业客户,Scribe v3 Live Medical 符合 HIPAA 要求。
Scribe v3 Live Medical 运行在 ElevenAgents 上,后者受我们的 合规计划覆盖,包括 SOC 2 Type II、ISO 27001 和 PCI DSS Level 1。患者数据默认存储在美国。需要将数据存储在美国境外的企业团队可以使用位于欧盟、印度或新加坡的隔离环境。
开始使用
Scribe v3 Live Medical 现已在 ElevenAgents 中提供。
前往 Settings > Automatic Speech Recognition,从模型下拉菜单中选择它。
作者

增长
查看个人资料John 在 ElevenAgents 增长团队工作,专注于医疗行业。
类似文章

购物者在试用零售 AI 坐席后会选择什么
类别产品日期2026年10月27日
Angle Health 的 ElevenAgents 试点无需转接即可处理 90% 的医疗服务提供者来电
类别客户故事日期2026年11月3日
为 AI 构建交互层:ElevenLabs 纽约峰会公布的全部内容
类别公司日期2026年11月11日
用 ElevenAgents 为你的 Unity NPC 赋予声音
类别产品日期2026年11月5日
用最高质量的 AI 音频进行创作
联系销售注册
AI 热点