ElevenLabs: Scribe v2 Medical

ElevenLabs Scribe v2 Medical est un modèle de reconnaissance vocale d'ElevenLabs, conçu comme une variante de Scribe v2 adaptée spécifiquement à la terminologie clinique et médicale. Il appartient à la catégorie de la transcription, son rôle est donc de convertir l'audio parlé en texte écrit plutôt que de générer des réponses conversationnelles ou de raisonner sur des prompts. Si votre application implique des médecins dictant des notes, des conversations cliniques ou tout audio où le vocabulaire médical compte, c'est le modèle qu'ElevenLabs positionne pour ce travail.

Le modèle prend l'audio en entrée et renvoie une transcription en sortie. Ses capacités annoncées incluent des horodatages au niveau du mot, une diarisation des locuteurs en option et un étiquetage des événements audio. Les horodatages au niveau du mot vous permettent d'aligner chaque mot de la transcription sur un point de l'audio, ce qui est utile pour la synchronisation de lecture, le sous-titrage ou la mise en évidence. La diarisation des locuteurs, lorsqu'elle est activée, sépare qui a dit quoi entre plusieurs locuteurs. L'étiquetage des événements audio marque les événements non vocaux dans l'enregistrement. Aucune longueur de contexte n'est publiée pour ce modèle, et aucun paramètre de requête n'est listé comme pris en charge, vous devez donc le considérer comme un point de terminaison de transcription à usage fixe plutôt que comme un modèle que vous ajustez avec des contrôles d'échantillonnage.

Les usages pratiques découlent directement de ces fonctionnalités. La documentation clinique est l'évidence : transcrire des consultations de patients ou des notes dictées là où les modèles de reconnaissance vocale standard ont tendance à trébucher sur les noms de médicaments, les procédures et les abréviations. La diarisation le rend adapté aux enregistrements à plusieurs participants tels que les consultations ou les discussions de cas, où vous devez attribuer les déclarations au bon locuteur. Les horodatages au niveau du mot prennent en charge les flux de révision, permettant à un clinicien ou à un auditeur de sauter au moment exact où une phrase a été prononcée. L'étiquetage des événements audio aide lorsque l'enregistrement contient des sons de fond qui comptent pour l'interprétation de la transcription.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "elevenlabs/scribe-v2-medical". Comme l'interface suit le format OpenAI, vous pouvez pointer un client OpenAI existant vers l'URL de base d'api14 et envoyer votre audio dans la même forme que celle que vous utilisez déjà pour les requêtes de transcription. Le modèle accepte une entrée audio et renvoie une sortie de transcription. Aucun paramètre de requête supplémentaire n'est listé comme pris en charge pour ce modèle, donc limitez vos requêtes aux champs de transcription standard plutôt que de supposer que des options d'ajustement comme temperature ou des prompts personnalisés prendront effet.

Un point à anticiper : le modèle prend de l'audio en entrée et produit une transcription en sortie. Il n'accepte pas de prompts textuels en entrée et ne produit pas de texte généré au-delà de la transcription, donc des tâches comme résumer une consultation, répondre à des questions sur un dossier ou extraire des champs structurés appartiennent à un modèle textuel en aval de l'étape de transcription. Si vous avez besoin d'un modèle de reconnaissance vocale polyvalent plutôt que d'un modèle adapté au vocabulaire médical, une variante Scribe standard peut mieux convenir. Pour l'audio clinique et médical spécifiquement, l'adaptation terminologique de ce modèle, ses horodatages, sa diarisation et son étiquetage d'événements sont les raisons de le choisir.