ElevenLabs ensina agentes de voz a ouvir melhor os nomes de remédios: 17% menos erros
O agente de voz registra no prontuário do paciente aquilo que ouviu, e nomes de remédios são fáceis de confundir: um dos modelos tomou a sitagliptina, usada contra diabetes, pelo antidepressivo citalopram. A ElevenLabs lançou o Scribe v3 Live Medical, reconhecimento de fala para ligações ao vivo em clínicas. No teste PriMock57 (57 simulações de consultas), a taxa de palavras com erro é de 12,8%, 17% menos que a do modelo médico mais próximo. Para quem trabalha com agentes médicos, vale testar o modelo nas próprias ligações.
Processado por IA de ElevenLabs Blog; editado por Hamidun News
Um agente de voz em uma clínica age com base no que ouviu, então uma única frase reconhecida errado vira um registro errado. Se o paciente diz que toma sitagliptina para diabetes, o agente pode incluir o medicamento na lista que o médico vai ler. Mas, nos testes da ElevenLabs, um dos modelos de fala entendeu "citalopram", um antidepressivo, ou seja, um remédio completamente diferente.
Contra esse tipo de erro, a empresa lançou o Scribe v3 Live Medical: a versão médica do seu modelo de reconhecimento de fala em tempo real. No teste PriMock57 (57 simulações de consultas com clínico geral), o modelo erra 12,8% das palavras, ou seja, cerca de 13 em cada 100. São 17% menos erros que o modelo médico de qualidade mais próxima entre os que a própria ElevenLabs comparou.
Para quem desenvolve agentes de voz, a conclusão é simples: medicamentos, dosagens e números de apólice costumam falhar justamente no reconhecimento, e agora falham menos.
O que o modelo faz
O Scribe v3 Live Medical foi construído sobre o novo Scribe v3 Live e já está disponível na plataforma ElevenAgents: nas configurações, basta abrir Automatic Speech Recognition e escolhê-lo na lista. Antes, a ElevenLabs só tinha transcrição médica para gravações, como ditados e consultas. Agora ela funciona em ligações ao vivo: agendamento de consultas, linhas de atendimento, verificação de seguro por telefone, esclarecimentos sobre pedidos de reembolso. Essas ligações não podem esperar o fim da gravação, e nomes de medicamentos e dosagens aparecem pouco na fala comum, por isso os modelos generalistas erram mais nesses casos.
O primeiro recurso é um dicionário próprio de até 10 000 termos. Uma rede regional de clínicas pode carregar os nomes de todos os médicos e das unidades, e uma farmacêutica pode subir todo o portfólio, com nomes comerciais e genéricos. O modelo só consulta a lista quando o interlocutor parece pronunciar um desses termos. Segundo a ElevenLabs, com o dicionário há até 48% menos erros em termos médicos.
O segundo é o tratamento cuidadoso de números. As pessoas leem o número da apólice ou a data de nascimento em blocos, com pausas enquanto procuram o próximo grupo no cartão. Um agente comum confunde a pausa com o fim da fala e interrompe, e a pessoa precisa recomeçar. Aqui, o modelo entende que o número não terminou e espera a continuação.
O terceiro é a troca de idioma no meio da conversa. O paciente pode passar para a língua materna para descrever melhor um sintoma. O modelo aceita mais de 90 idiomas e não perde esses trechos.
O que mostraram os testes
A comparação foi feita com modelos de streaming dos principais provedores, médicos e generalistas, nas mesmas gravações. O PriMock57 foi escolhido porque reúne tudo o que complica ligações ao vivo: conversa sem roteiro, áudio de telefone com ruído de fundo e detalhes clínicos densos.
No Fareez OSCE (272 gravações de entrevistas didáticas com pacientes), o modelo tem a menor taxa de erros "semânticos" entre os modelos médicos: 0,6%. Essa métrica conta apenas os erros que mudam o sentido: "20 mg" e "twenty milligrams" valem como acerto, e por isso os números são menores que os da taxa comum de palavras erradas. No conjunto Eka Medical ASR (mais de 3 600 gravações em inglês de médicos e estudantes, com nomes comerciais de medicamentos), há 4,7% menos erros que no Scribe v3 Live comum: 11% contra 11,54% pela métrica semântica.
Para clínicas multilíngues, há o teste MED-Term, da Corti, com termos raros: taxa de erros semânticos de 2,24% em inglês, 2,81% em alemão e 3,24% em francês. Na fala comum (Common Voice e FLEURS), o modelo se comporta de forma parecida com a versão base, então dá para ativá-lo em todas as ligações, inclusive remarcação de consultas e perguntas sobre horário de funcionamento. A latência continua em cerca de 150 ms, de modo que a especialização clínica não acrescenta pausa perceptível.
A ElevenLabs traduz isso em números do dia a dia. Uma ligação de 10 minutos tem cerca de 1 500 palavras, e o modelo reconhece aproximadamente 40 palavras a mais que a concorrente médica mais próxima. Com 1 000 ligações por dia, são cerca de 40 000 palavras. Nem todas as palavras têm o mesmo peso: um "é-é" perdido é inofensivo, mas um medicamento trocado vai parar em um pedido de receita, e um dígito errado no número da apólice atrasa a verificação do seguro.
Privacidade e ressalvas
O modelo atende aos requisitos da HIPAA para clientes corporativos, desde que haja um acordo BAA assinado e o modo Zero Retention esteja ativo (os dados não são armazenados). O ElevenAgents tem certificações SOC 2 Type II, ISO 27001 e PCI DSS Level 1. Por padrão, os dados dos pacientes ficam nos Estados Unidos e, se necessário, é possível usar ambientes isolados na UE, na Índia ou em Singapura.
Uma ressalva: todas as comparações foram feitas pela própria ElevenLabs, com provedores escolhidos por ela e na melhor configuração de cada um. Os nomes dos concorrentes não são divulgados, e a lista de modelos é incompleta. Entre os clientes, a empresa cita a Pfizer, que destaca a precisão em nomes comerciais e genéricos, e a Vintage Labs, onde, segundo o fundador, os enfermeiros confiam no resumo da ligação sem precisar ouvir a gravação de novo.
A conclusão prática para quem constrói agentes de voz médicos: rode o modelo em gravações reais das suas ligações, carregue o dicionário de medicamentos e nomes de médicos e veja quantos erros desaparecem justamente nos remédios e nos números.
- 12 de nov. de 2026ElevenLabs Scribe v3 Live ensina agentes de voz a não interromper: 25% menos erros
- 12 de nov. de 2026ElevenLabs Scribe v3: 27% menos erros na transcrição de fala e identificação de falantes em tempo real
- 12 de nov. de 2026ElevenLabs integra o Nemotron da NVIDIA: agentes de voz 70% mais baratos que outros modelos abertos
- 24 de fev. de 2026Modo WebSocket da OpenAI muda as regras do jogo para a IA de voz
Perguntas frequentes sobre a notícia
O que o modelo faz?
O Scribe v3 Live Medical foi construído sobre o novo Scribe v3 Live e já está disponível na plataforma ElevenAgents: nas configurações, basta abrir Automatic Speech Recognition e escolhê-lo na lista. Antes, a ElevenLabs só tinha transcrição médica para gravações, como ditados e consultas. Agora ela funciona em ligações ao vivo: agendamento de consultas, linhas de atendimento, verificação de seguro por telefone, esclarecimentos sobre pedidos de reembolso.
O que mostraram os testes?
A comparação foi feita com modelos de streaming dos principais provedores, médicos e generalistas, nas mesmas gravações. O PriMock57 foi escolhido porque reúne tudo o que complica ligações ao vivo: conversa sem roteiro, áudio de telefone com ruído de fundo e detalhes clínicos densos. No Fareez OSCE (272 gravações de entrevistas didáticas com pacientes), o modelo tem a menor taxa de erros "semânticos" entre os modelos médicos: 0,6%.
O que se sabe sobre Privacidade e ressalvas?
O modelo atende aos requisitos da HIPAA para clientes corporativos, desde que haja um acordo BAA assinado e o modo Zero Retention esteja ativo (os dados não são armazenados). O ElevenAgents tem certificações SOC 2 Type II, ISO 27001 e PCI DSS Level 1. Por padrão, os dados dos pacientes ficam nos Estados Unidos e, se necessário, é possível usar ambientes isolados na UE, na Índia ou em Singapura.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.