AssemblyAI

AssemblyAIは、通話、会議、ポッドキャスト、ボイスエージェントからの音声を、シンプルな開発者向けAPIを使用して正確なテキストに変換するVoice AIプラットフォームです。録音済みの音声ファイルを処理したり、ライブの会話をリアルタイムでキャプチャしたりできる、録音済みおよびリアルタイムの文字起こしの両方を提供します。

主力のUniversal-3.5 Proモデルは、18言語で高い精度を実現し、複数の話者を処理し、医療用語や技術用語を理解します。単なる文字起こしに加えて、要約、感情分析、トピック抽出、翻訳などの理解機能をプラットフォームに追加します。

ボイスエージェントを構築するチーム向けに、AssemblyAIは音声テキスト変換、チューニング済み言語モデル、テキスト音声合成を1つのVoice Agent APIにまとめ、別々のツールを組み合わせる必要をなくします。

料金は従量課金制で、処理された音声1時間あたりに基づいて請求されます。大規模なチーム向けに、より高いボリュームや追加サポートを必要とする場合は、カスタムプランも利用できます。

• 録音済みおよびリアルタイムの音声テキスト変換

• 短いクリップ用の単一呼び出しSync API

• 話者分離とラベル付け

• 最大99言語のサポート

• 要約、感情分析、トピック検出

• 翻訳とエンティティ検出

• PII編集とコンテンツモデレーション

• エンドツーエンドのVoice Agent API

• 医療用音声向け医療モード

• PythonおよびJavaScript SDK