AssemblyAI

AssemblyAI est une entreprise leader en intelligence artificielle spécialisée dans la reconnaissance et la compréhension de la parole. Elle propose une suite complète de modèles d'IA via une API unique et évolutive, permettant aux développeurs et aux entreprises de libérer la valeur de leurs données vocales. Approuvée par les meilleures startups et entreprises mondiales, AssemblyAI fournit la technologie fondamentale pour créer des produits de classe mondiale qui reposent sur un traitement audio précis et perspicace. La plateforme est conçue pour tout gérer, de la transcription de fichiers audio préenregistrés avec une précision de pointe à la traitement des flux audio en temps réel pour des applications vocales interactives.

Comment utiliser AssemblyAI

La prise en main d'AssemblyAI est conçue pour être simple pour les développeurs. La principale méthode d'interaction se fait via sa robuste API. Voici un flux de travail typique :

1. Obtenir une clé API : Créez un compte gratuit sur le site web d'AssemblyAI pour recevoir une clé API et 50 $ de crédits gratuits pour l'évaluation.
2. Choisir un modèle : Sélectionnez le modèle approprié à vos besoins. Utilisez le modèle 'Universal' pour une transcription de haute précision dans plus de 99 langues, 'Slam-1' pour des domaines spécialisés comme le juridique ou le médical, ou 'Universal-Streaming' pour des applications en temps réel comme les agents vocaux.
3. Utiliser les SDK ou les appels API directs : Intégrez AssemblyAI dans votre application en utilisant l'un de leurs SDK officiels (disponibles pour des langages populaires comme Python, JavaScript, etc.) ou en effectuant des requêtes HTTP directes aux points de terminaison de l'API. La documentation est claire et complète, fournissant des exemples de code pour divers cas d'utilisation.
4. Soumettre l'audio : Envoyez vos données audio à l'API. Il peut s'agir d'un fichier préenregistré (en fournissant une URL ou en le téléchargeant) ou d'un flux audio en direct.
5. Recevoir des données structurées : L'API traite l'audio et renvoie une réponse JSON structurée contenant la transcription, les horodatages, les étiquettes des locuteurs et toute information supplémentaire que vous avez demandée, comme l'analyse des sentiments, le résumé ou les sujets détectés.
6. Tester dans le Playground : Pour les non-développeurs ou pour des tests rapides, AssemblyAI propose un Playground sans code où vous pouvez télécharger un fichier audio et voir la sortie du modèle en temps réel sans écrire de code.

Fonctionnalités principales de AssemblyAI

• Parole-texte : Transcription de haute précision pour les fichiers audio préenregistrés. Elle est leader de l'industrie en matière de précision pour les caractères alphanumériques, les noms propres et le formatage du texte, avec jusqu'à 30 % d'hallucinations en moins que les concurrents.
• Parole-texte en streaming : Transcrivez l'audio et la vidéo en direct en temps réel avec une latence ultra-faible. Le modèle 'Universal-Streaming' est spécialement conçu pour les agents vocaux, offrant une détection précise de la fin de tour et une grande précision pour des conversations fluides et humaines.
• Compréhension de la parole (Intelligence Audio) : Une suite de modèles qui vont au-delà de la simple transcription pour fournir des informations approfondies. Cela inclut le Résumé, la Rédaction des PII (pour l'audio et le texte), la Détection d'entités, la Détection de sujets, l'Analyse des sentiments, la Modération de contenu et les Chapitres automatiques.
• Diarisation avancée : Identifiez et étiquetez avec précision les différents locuteurs dans un seul fichier audio.
• Détection automatique de la langue : Détectez automatiquement la langue parlée dans un fichier audio à partir d'une liste de plus de 99 langues prises en charge.
• LeMUR (Leveraging Large Language Models to Understand Rich Media) : Un framework qui vous permet d'appliquer de puissants LLM (comme la série Claude d'Anthropic) directement à vos transcriptions pour effectuer des tâches complexes comme poser des questions sur le contenu, générer des résumés ou extraire des informations personnalisées.
• Plateforme axée sur les développeurs : Propose une documentation complète, des SDK fiables et une infrastructure évolutive qui traite plus de 600 millions d'appels d'inférence par mois.

Cas d'utilisation pour AssemblyAI

La technologie d'AssemblyAI alimente un large éventail d'applications dans divers secteurs :

• Agents vocaux : Créez des robots vocaux réactifs et humains pour le service client, la prise de rendez-vous et d'autres tâches automatisées. L'API de streaming à faible latence garantit des conversations fluides.
• Intelligence conversationnelle : Analysez les appels de vente et de support pour extraire les sujets clés, le sentiment des clients et les mesures de performance des agents. Les entreprises l'utilisent pour augmenter les taux de réussite, améliorer le coaching et accroître la satisfaction des clients.
• Création de médias et de contenu : Transcrivez automatiquement les podcasts, les interviews et le contenu vidéo pour créer des sous-titres, des notes d'émission et des archives consultables. La fonction Chapitres automatiques peut générer automatiquement des horodatages pour les sections clés.
• Transcription de réunions : Générez des transcriptions et des résumés précis des réunions virtuelles pour améliorer la productivité et vous assurer qu'aucune information critique n'est perdue.
• Conformité et modération : Rédigez automatiquement les Informations d'Identification Personnelle (PII) des enregistrements d'appels pour répondre aux normes de conformité comme le RGPD et l'HIPAA. La fonction de Modération de contenu peut signaler le contenu préjudiciable ou inapproprié.

Avantages de AssemblyAI

Choisir AssemblyAI offre plusieurs avantages clés :

• Précision inégalée : Construisez sur une base des sorties audio les plus fiables, préférées par les utilisateurs finaux dans des évaluations impartiales.
• Évolutivité et fiabilité : L'infrastructure est conçue pour évoluer sans effort de quelques appels API à des millions, avec une concurrence élevée et des limites de débit personnalisables.
• Solution complète : C'est une plateforme tout-en-un pour la transcription et l'analyse audio approfondie, réduisant le besoin d'intégrer plusieurs services.
• Innovation continue : AssemblyAI est axé sur la recherche, faisant constamment progresser ses modèles et livrant des mises à jour et des fonctionnalités hebdomadaires pour maintenir les clients à la pointe de la technologie.
• Sécurité de niveau entreprise : Vos données sont gardées privées et sécurisées avec la conformité SOC 2 Type 2, RGPD, HIPAA et ISO 27001.
• Tarification transparente et évolutive : Le modèle de paiement à l'utilisation avec des remises sur volume garantit que le coût ne devient pas un obstacle à la création et à l'évolution de produits innovants.

Tarification et plans

AssemblyAI propose une structure de tarification flexible conçue pour évoluer avec votre utilisation.

• Plan gratuit : Idéal pour le développement et les tests, ce plan comprend 50 $ de crédits gratuits, ce qui est suffisant pour environ 185 heures de transcription audio préenregistrée ou 333 heures de streaming. La concurrence est limitée.
• Paiement à l'utilisation : C'est le plan standard prêt pour la production, sans engagement. La tarification est basée sur l'utilisation :
  • Parole-texte préenregistré (modèles Universal & Slam-1) : 0,27 $ par heure.
  • Parole-texte en streaming (modèle Universal-Streaming) : 0,15 $ par heure.
  • Modèles d'Intelligence Audio : Prix par fonctionnalité, par ex. Résumé à 0,03 $/h, Rédaction des PII à 0,08 $/h.
  • LeMUR (Utilisation de LLM) : Prix par 1 000 tokens, variant selon le LLM choisi (par ex. Claude 3.5 Sonnet à 0,003 $/1k tokens d'entrée et 0,015 $/1k tokens de sortie).
• Plan personnalisé : Pour les grandes entreprises nécessitant des remises sur volume personnalisées, une infrastructure dédiée, des options de déploiement sur site ou des configurations de modèles personnalisées. Contactez l'équipe commerciale pour une solution sur mesure.

La facturation est gérée en déposant des fonds sur votre compte, qui sont ensuite consommés à mesure que vous utilisez l'API. L'audio multicanal est facturé par canal.