AssemblyAI lançou o AssemblyAI‑TTS‑1, seu primeiro modelo de texto‑para‑fala, agora disponível em geral. A API de texto‑para‑fala AssemblyAI‑TTS‑1 é direcionada a agentes de voz que operam em chamadas telefônicas ao vivo. Nessa configuração, latência e pronúncia determinam se o chamador permanece na linha.
Preço: US$ 15 por 1 M de caracteres, sem contrato anual e sem camada de concorrência a comprar. Para desenvolvedores que já usam o reconhecimento de fala da AssemblyAI, isso fecha o ciclo de voz com um único fornecedor.
TL;DR
Tamanho: É um modelo de API hospedado.
Executa em: apenas a nuvem da AssemblyAI, nos EUA (us‑east‑1) ou UE (eu‑north‑1). Nenhum peso aberto ou opção on‑prem.
Qualquer cliente com HTTP ou WebSocket funciona.
Desempenho: Igual ao ElevenLabs v4 em precisão de entidade nos testes da AssemblyAI, a menos de 1/5 do seu preço.
Melhor: 47 ms tempo médio até o primeiro byte em 6 modelos no teste de API da AssemblyAI (auto‑relatado).
Pior: 159 ms latência média de streaming no benchmark independente da Cekura, 8º de 19 modelos testados.
Resumo final: Melhor: US$ 15 por 1 M de caracteres com concorrência ilimitada.
Pior: ainda não há SSML, controle de velocidade, dicionários de pronúncia ou tags de emoção.
O que é AssemblyAI‑TTS‑1? AssemblyAI‑TTS‑1 é um modelo de texto‑para‑fala em streaming da AssemblyAI que transforma respostas de agentes em fala para chamadas ao vivo. Foi treinado em milhões de horas de áudio, incluindo dados conversacionais reais.
A maioria dos modelos TTS representa áudio como tokens discretos. A AssemblyAI afirma que o TTS‑1 opera em representações de áudio contínuas. A empresa afirma que isso melhora o realismo e reduz o tempo até o primeiro áudio falado.
O lançamento inclui uma biblioteca de mais de 4 000 vozes e clonagem instantânea de vozes. Uma clonagem requer um curto gravação e confirmação da permissão do locutor. A clonagem no post de lançamento utilizou 24 segundos de áudio.
Seis idiomas são suportados no lançamento: inglês, espanhol, francês, alemão, italiano e português.
Como os desenvolvedores integram o AssemblyAI‑TTS‑1? Existem 3 interfaces: uma API HTTP, uma API WebSocket e uma compatível com OpenAI.
Fonte: MarkTechPost
Publicado em 2026-10-29