ElevenLabs、医療向け Scribe v2 Medical を一般提供

ElevenLabs は 9 月 22 日、文字起こし(音声を文字にする)のモデル Scribe v2 を臨床の音声向けに追加で学習した「Scribe v2 Medical」を、API の ElevenAPI で一般提供しました。薬の名前や用量、単位、解剖や病理の用語が続けて出てくる医療の口述や会話を、正しく書き起こすことを狙ったモデルです。

要点

• 元の Scribe v2 と比べ、臨床の音声での単語の誤りの割合を約 35% 減らしたとしています。
• 英・仏・独の医療の口述の評価 MedDictate では、誤りの割合が全体で 4.9% でした。
• 医療の用語を正しく書き起こせた割合は 77.7% で、比べたモデルの中で最も高い結果でした。
• 医療以外の日常の話し言葉の評価では、元の Scribe v2 と同じ 5.3% の誤りの割合でした。
• 薬の名前だけを単独で話した音声は難しく、誤りの割合は 14.3% だったとしています。
• API のモデル名は scribe_v2_medical で、まとめて処理する文字起こしの API で使えます。

MedDictate での全体の誤りの割合は、元の Scribe v2 が 7.6%、OpenAI GPT Transcribe が 5.9%、Muse Voice Transcribe 1.0 が 7.8% でした。英語の医療の音声 3,619 件からなる Eka Medical ASR benchmark でも、意味で採点した誤りの割合は 6.50% で、Deepgram Nova-3 Medical の 7.79% などを下回りました。数値はいずれも ElevenLabs が自社で測ったものです。薬の名前の聞き違いを減らすため、書き起こしてほしい語をあらかじめ指定する機能(keyterm prompting)を使うよう勧めています。

米国の医療情報の規則 HIPAA に沿った利用は、事業提携契約(BAA)を結び、データを残さない設定(Zero Retention Mode)を有効にした企業の顧客が対象です。この設定では、音声の入力と文字の出力を、処理が終わるとすぐに消すとしています。10 月 7 日からは、OpenRouter でも使えるようになりました(ElevenLabs の音声モデル、OpenRouter で利用可能に)。

日本の利用者にとって

評価に使ったのは英語・フランス語・ドイツ語の音声で、発表では、日本語の医療の音声での成績や日本での提供には触れていません。

YOBITSUGI AI で使えるか

YOBITSUGI AI では ElevenLabs の Scribe v2 などを使えます。今回発表された Scribe v2 Medical は、現時点の対応モデルには含まれていません。ElevenLabs でできることは ElevenLabs とは にまとめています。

出典

• Scribe v2 Medical is now available to everyone(ElevenLabs Blog・2026年9月22日)