이제 누구나 Scribe v2 Medical을 사용할 수 있습니다

임상 오디오는 정확한 음성 인식의 가장 어려운 시험대 중 하나입니다. 약물명은 길고 드물며 혼동하기 쉽습니다(hydroxyzine과 hydralazine은 잘못 들은 한 음절 차이입니다). 용량, 단위, 해부학 및 병리학 용어가 빠르게 연이어 등장해 어휘의 밀도가 높습니다. 전사 오류가 환자 기록에 남을 수 있으므로 그 위험도 더 큽니다. 

이러한 이유로 ElevenLabs는 오늘 Scribe v2 Medical을 출시합니다. 임상 오디오에 맞게 파인튜닝한 음성-텍스트 변환 모델로, 이제 ElevenAPI에서 정식 출시되었습니다. 아래 평가 전반에서 비교 대상 모델 중 가장 낮은 단어 오류율(WER) 가운데 하나를 일관되게 기록했으며, 기본 Scribe v2 모델과 비교해 임상 오디오의 WER를 약 35% 줄였습니다.

범용 모델은 일상적인 음성을 처리하는 데 탁월하지만, 임상 workflow에서 가장 필요한 부분에서는 성능이 저하될 수 있습니다. 누구나 재현할 수 있는 공개 벤치마크에서 약물명과 임상 받아쓰기에 초점을 맞춘 Scribe v2 의료 파인튜닝 모델을 학습했습니다.

Scribe v2 Medical: 임상 사용 사례에 최적화

임상 받아쓰기(MedDictate)

Corti의 MedDictate는 영어, 프랑스어, 독일어로 약물명, 용량, 단위가 연이어 포함된 구술 임상 기록의 전사 능력을 테스트합니다. 평가 결과, Scribe v2 Medical은 테스트한 모델 중 전체 WER가 가장 낮았으며, 기본 Scribe v2보다 WER가 약 35% 낮았습니다.

*영어만 지원(클립 24개) - Deepgram Nova-3 Medical은 프랑스어 또는 독일어를 지원하지 않습니다.

의학 용어(MedTerm)

MedTerm 역시 Corti가 공개한 데이터세트로, 동일한 3개 언어의 600개 샘플로 구성된 임상 용어 벤치마크를 포함하며 각 샘플의 의학 용어에는 주석이 달려 있습니다. 이 주석을 통해 전체 전사 WER를 넘어 두 가지 차원에서 모델을 평가할 수 있습니다. 용어 재현율은 주석 처리된 의학 용어 중 전사문에 정확히 나타난 비율입니다(높을수록 좋음). Term-WER는 주변의 일반 발화를 제외하고 해당 용어만을 기준으로 한 오류율입니다(낮을수록 좋음).

Scribe v2 Medical은 두 지표 모두에서 테스트한 모든 모델을 앞섰고, 세 언어 모두에서 다른 모든 제공업체를 앞섰습니다:

Omi Health 의료 음성-텍스트 변환 벤치마크

독립 테스트에서도 뛰어난 성능을 입증했습니다. Omi Health는 1,513개의 영어 임상 클립(57건의 진료, 총 7.2시간)을 대상으로 평가한 30개 모델의 공개 리더보드를 운영합니다. Scribe v2 Medical은 테스트된 30개 모델 전체 중 가장 낮은 전체 WER(5.88%)를 기록했으며, 기본 Scribe v2 대비 용량 정확도도 크게 개선했습니다(86.2% 대 79.8%). 

Omi의 벤치마크는 9월 25일 Scribe v2 Medical 결과로 업데이트되며, 위 수치는 업데이트에 앞서 Omi의 허가를 받아 공유합니다.

Eka Medical ASR 벤치마크

Eka Medical ASR 벤치마크는 개별 약물 및 질환명, 임상 문장, 의료진과 환자 간 대화에 걸친 3,619개의 영어 임상 오디오 샘플을 포함하며, 용어별 주석과 데이터세트 카드에 공개된 리더보드를 제공합니다. 

공개된 데이터세트에는 Gemini 2.5 Flash와 GPT-4o 같은 이전 모델이 포함되어 있으므로, 최신 모델을 대상으로 평가를 진행했습니다. SemWER(의미론적 WER)는 형식과 무관하게 모델이 올바른 내용을 들었는지 평가하며("mg"와 "milligrams"는 같은 답으로 간주), kwWER(키워드 WER)는 주석 처리된 의학 키워드에만 동일한 평가를 적용합니다.

Eka는 각 샘플의 의학 용어에 주석을 달아, 의학 용어만을 기준으로 Scribe v2 Medical이 기본 모델 대비 얼마나 개선됐는지 더 세밀하게 평가할 수 있습니다. Scribe v2 Medical은 기본 모델보다 오류가 15% 더 적었으며(9.5% 대 11.1%), 용어가 완전한 임상 문장 안에 나타날 때 개선 폭이 가장 컸습니다(7.5% 대 9.9%).

같은 데이터에서 주목할 점은 주변 맥락 없이 약물명 하나만 발화된 고립된 한 단어 클립이 Scribe v2 Medical을 포함해 리더보드의 모든 모델에 여전히 가장 어려운 경우라는 것입니다. 고립된 용어에서는 14.3% WER를 기록했지만, 해당 용어가 문장에 등장할 때는 7.5%였습니다. 맥락이 전혀 없으면 잘못 들은 한 음절이 기억에 남는 실패 사례로 이어질 수 있습니다:

• etodolac(NSAID) → "It'll do the luck"
• levomilnacipran(항우울제) → "Leave me alone now, Sephora."
• methdilazine(항히스타민제) → "Let's play our scene."

이러한 오류를 줄이는 한 가지 방법은 키워드 프롬프팅으로, 약물명이나 의학 표현을 강조해 모델이 이를 성공적으로 전사하도록 유도할 수 있습니다.

프로덕션 환경의 고객

고객들은 이미 프로덕션 환경에서 Scribe v2 Medical을 사용하며 임상 오디오 성능 개선을 경험하고 있습니다.

“Deepgram에서 ElevenLabs Scribe v2 Medical로 전환한 후 임상 용어의 정확도가 훨씬 높아졌고, 팀의 업무 방식도 달라졌습니다.” CareCo의 CEO이자 창립자인 Mendel Erlenwein은 말했습니다. “코디네이터가 전사문을 신뢰할 수 있게 되면서 기록을 수정하는 시간은 줄이고 환자와 통화하는 시간은 늘릴 수 있었습니다. 환자들은 복잡한 치료 요법을 따르고 있으므로, 케어팀이 읽는 기록은 반드시 정확해야 합니다.”

일반 음성에서도 뛰어난 성능

팀은 의료 파인튜닝이 다른 영역의 성능을 저하시키지 않는 것도 확인했습니다. Common Voice에서 추출한 일상적인 비의료 음성 샘플 6,000개에서 Scribe v2 Medical은 반올림 기준 기본 Scribe v2와 동일한 점수인 5.3% WER를 기록했습니다. 즉, v2 Medical을 사용하면 이 벤치마크에서 정확도를 포기하지 않고도 특화된 의료 모델의 이점을 누릴 수 있습니다.

보호 대상 건강 정보를 위한 설계

Scribe v2 Medical은 비즈니스 제휴 계약을 체결하고 Zero Retention Mode(ZRM)를 활성화한 엔터프라이즈 고객에게 HIPAA 적격 서비스입니다.

음성-텍스트 변환 API 요청에 ZRM을 활성화하면 각 요청이 완료된 직후 오디오 입력과 텍스트 출력이 삭제됩니다. ElevenLabs는 어느 것도 보관하지 않으며, 애플리케이션은 전체 API 응답을 받아 전사문 보관 방식을 제어합니다.

시작하기

Scribe v2 Medical은 음성-텍스트 변환 API에서 사용할 수 있습니다. 새 모델 ID를 전달하기만 하면 됩니다: scribe_v2_medical

import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";

const elevenlabs = new ElevenLabsClient({ apiKey: "YOUR_API_KEY" });

const fileData = await fs.promises.readFile("clinical_audio.mp3");

const transcription = await elevenlabs.speechToText.convert({
  file: new Blob([fileData], { type: "audio/mp3" });,
  modelId: "scribe_v2_medical",
});

console.log(transcription.text);

이 모델은 배치 음성-텍스트 변환 엔드포인트에서 실행됩니다.