ElevenLabs: Scribe v2 Medical

ElevenLabs Scribe v2 Medical é um modelo de fala para texto da ElevenLabs, criado como uma variante do Scribe v2 que é ajustada especificamente para terminologia clínica e médica. Ele se situa na categoria de transcrição, então seu trabalho é converter áudio falado em texto escrito, em vez de gerar respostas conversacionais ou raciocinar sobre prompts. Se sua aplicação envolve médicos ditando notas, conversas clínicas ou qualquer áudio em que o vocabulário médico importa, este é o modelo que a ElevenLabs posiciona para esse trabalho.

O modelo recebe áudio como entrada e retorna uma transcrição como saída. Suas capacidades declaradas incluem timestamps em nível de palavra, diarização de falantes opcional e marcação de eventos de áudio. Timestamps em nível de palavra permitem alinhar cada palavra na transcrição a um ponto no áudio, o que é útil para sincronização de reprodução, legendagem ou destaque. A diarização de falantes, quando ativada, separa quem disse o quê entre vários falantes. A marcação de eventos de áudio marca eventos não falados na gravação. Nenhum comprimento de contexto é publicado para este modelo, e nenhum parâmetro de requisição é listado como suportado, então você deve tratá-lo como um endpoint de transcrição de propósito fixo, em vez de um que você ajusta com controles de amostragem.

Os usos práticos decorrem diretamente desses recursos. A documentação clínica é a mais óbvia: transcrever encontros com pacientes ou notas ditadas em que modelos padrão de fala para texto tendem a tropeçar em nomes de medicamentos, procedimentos e abreviações. A diarização o torna adequado para gravações com múltiplos participantes, como consultas ou discussões de casos, em que você precisa atribuir declarações ao falante correto. Timestamps em nível de palavra apoiam fluxos de revisão, permitindo que um clínico ou auditor salte para o momento exato em que uma frase foi dita. A marcação de eventos de áudio ajuda quando a gravação contém sons de fundo que importam para interpretar a transcrição.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "elevenlabs/scribe-v2-medical". Como a interface segue o formato OpenAI, você pode apontar um cliente OpenAI existente para a URL base da api14 e enviar seu áudio na mesma forma que você já usa para requisições de transcrição. O modelo aceita entrada de áudio e retorna saída de transcrição. Nenhum parâmetro de requisição adicional é listado como suportado para este modelo, então mantenha suas requisições nos campos padrão de transcrição, em vez de assumir que opções de ajuste como temperature ou prompts personalizados terão efeito.

Uma coisa para planejar: o modelo é áudio na entrada, transcrição na saída. Ele não aceita prompts de texto como entrada e não produz texto gerado além da transcrição, então tarefas como resumir uma consulta, responder perguntas sobre um registro ou extrair campos estruturados pertencem a um modelo de texto downstream da etapa de transcrição. Se você precisa de um modelo de fala para texto de propósito geral, em vez de um ajustado para vocabulário médico, uma variante padrão do Scribe pode se encaixar melhor. Para áudio clínico e médico especificamente, o ajuste de terminologia, os timestamps, a diarização e a marcação de eventos deste modelo são as razões para escolhê-lo.