AssemblyAI crea modelos de IA de voz y la infraestructura para ejecutarlos, dirigida a desarrolladores y equipos de producto que añaden voz a una aplicación. Su núcleo es la voz a texto: una API asíncrona para audio pregrabado, una API en tiempo real para streaming y agentes de voz, y una API síncrona para clips cortos y dictado. Su modelo insignia de precisión se presenta como líder en benchmarks independientes, con buena diarización de hablantes y cambio de idioma nativo en decenas de lenguas.
Sobre la transcripción, AssemblyAI ofrece una API de Speech Understanding que añade tareas como resumen, sentimiento, detección de temas, redacción de PII, moderación de contenido y barreras de seguridad a las transcripciones. También ha lanzado su primer modelo de texto a voz, AssemblyAI-TTS-1, pensado para agentes de voz en llamadas en vivo, además de un LLM Gateway para enrutar llamadas a modelos y una API de dictado. Los modelos pueden ejecutarse en la nube de inferencia gestionada de AssemblyAI o autoalojarse en el VPC del cliente o en local.
El precio es de pago por uso tras una prueba gratuita: por ejemplo, la transcripción de audio pregrabado se factura por hora de audio, con complementos como diarización de hablantes, prompting de términos clave y modos médico o veterinario facturados aparte. Los planes Enterprise ofrecen límites de tasa personalizados, mayor concurrencia y cumplimiento SOC 2 Type 2, HIPAA y GDPR.
