A AssemblyAI cria modelos de IA de voz e a infraestrutura para executá-los, voltada a desenvolvedores e times de produto que adicionam voz a um aplicativo. Seu núcleo é fala para texto: uma API assíncrona para áudio pré-gravado, uma API em tempo real para streaming e agentes de voz, e uma API síncrona para clipes curtos e ditado. Seu modelo principal de precisão é apresentado como líder em benchmarks independentes, com boa diarização de falantes e troca de idioma nativa em dezenas de línguas.
Sobre a transcrição, a AssemblyAI oferece uma API de Speech Understanding que adiciona resumo, sentimento, detecção de tópicos, redação de PII, moderação de conteúdo e barreiras de segurança às transcrições. Também lançou seu primeiro modelo de texto para fala, o AssemblyAI-TTS-1, feito para agentes de voz em chamadas ao vivo, além de um LLM Gateway para rotear chamadas a modelos e uma API de ditado. Os modelos rodam na nuvem de inferência gerenciada da AssemblyAI ou auto-hospedados na VPC do cliente ou on-premises.
O preço é por uso após um teste gratuito: por exemplo, a transcrição de áudio pré-gravado é cobrada por hora de áudio, com complementos como diarização de falantes, prompting de termos-chave e modos médico ou veterinário cobrados separadamente. Planos Enterprise oferecem limites de taxa personalizados, mais concorrência e conformidade SOC 2 Type 2, HIPAA e GDPR.
