AssemblyAI

AssemblyAI ist eine Voice-AI-Plattform, die Sprache aus Anrufen, Meetings, Podcasts und Sprachagenten mithilfe einfacher Entwickler-APIs in genauen Text umwandelt. Sie bietet sowohl Transkription von aufgezeichneten Dateien als auch Echtzeit-Transkription, sodass du gespeicherte Audiodateien verarbeiten oder Live-Gespräche in Echtzeit erfassen kannst.

Das Flaggschiff-Modell Universal-3.5 Pro liefert hohe Genauigkeit in 18 Sprachen, erkennt mehrere Sprecher und versteht medizinische und technische Begriffe. Über die reine Transkription hinaus bietet die Plattform Verständnisfunktionen wie Zusammenfassungen, Stimmungsanalyse, Themen und Übersetzung.

Für Teams, die Sprachagenten entwickeln, bündelt AssemblyAI Spracherkennung, ein abgestimmtes Sprachmodell und Text-to-Speech zu einer einzigen Voice Agent API, sodass keine Notwendigkeit besteht, separate Tools zusammenzusetzen.

Die Preisgestaltung erfolgt nutzungsbasiert, abgerechnet pro Stunde verarbeiteten Audios, mit individuellen Plänen für größere Teams, die höheres Volumen oder zusätzlichen Support benötigen.

• Spracherkennung für aufgezeichnete Audiodateien und Echtzeit

• Sync API mit einem Aufruf für kurze Clips

• Sprecher-Diarisierung und Beschriftung

• Unterstützung für bis zu 99 Sprachen

• Zusammenfassungen, Stimmung und Themenerkennung

• Übersetzung und Entitätserkennung

• Schwärzung personenbezogener Daten und Inhaltsmoderation

• End-to-end-Voice-Agent-API

• Medical-Modus für Gesundheitsaudio

• Python- und JavaScript-SDKs