AssemblyAI

AssemblyAI 是一家領先的人工智慧公司，專注於語音辨識和理解。它透過一個可擴展的單一 API 提供一整套 AI 模型，使開發者和企業能夠釋放其語音數據的價值。AssemblyAI 受到頂級新創公司和全球企業的信賴，為建構依賴於準確且富有洞察力的音訊處理的世界級產品提供了基礎技術。該平台旨在處理從以行業領先的準確度轉錄預錄製音訊檔案，到為互動式語音應用處理即時音訊流的各種任務。

如何使用 AssemblyAI

AssemblyAI 的入門過程對開發者來說非常簡單直接。主要互動方式是透過其強大的 API。以下是典型的工作流程：

1. 取得 API 金鑰： 在 AssemblyAI 網站上註冊一個免費帳戶，即可獲得一個 API 金鑰和 50 美元的免費額度用於評估。
2. 選擇模型： 根據您的需求選擇合適的模型。使用「Universal」模型進行 99 多種語言的高精度轉錄，「Slam-1」模型用於法律或醫療等專業領域，或使用「Universal-Streaming」模型用於語音代理等即時應用。
3. 使用 SDK 或直接呼叫 API： 使用官方 SDK（支援 Python、JavaScript 等流行語言）或透過直接向 API 端點發出 HTTP 請求，將 AssemblyAI 整合到您的應用程式中。其文件清晰全面，為各種用例提供了程式碼範例。
4. 提交音訊： 將您的音訊數據發送到 API。這可以是一個預錄製的檔案（透過提供 URL 或上傳），也可以是一個即時音訊流。
5. 接收結構化數據： API 處理音訊後，會返回一個結構化的 JSON 回應，其中包含轉錄文本、時間戳、說話人標籤以及您請求的任何其他見解，如情感分析、摘要或偵測到的主題。
6. 在 Playground 中測試： 對於非開發者或需要快速測試的用戶，AssemblyAI 提供了一個無程式碼的 Playground，您可以在其中上傳音訊檔案並即時查看模型的輸出，無需編寫任何程式碼。

AssemblyAI 的核心功能

• 語音轉文字： 為預錄製音訊檔案提供高精度轉錄。在字母數字、專有名詞和文本格式化方面的準確性行業領先，幻覺（hallucinations）比競爭對手少 30%。
• 串流語音轉文字： 以超低延遲即時轉錄即時音訊和視訊。「Universal-Streaming」模型專為語音代理建構，提供精確的說話輪次結束偵測和高準確性，實現流暢、類似人類的對話。
• 語音理解（音訊智慧）： 一套超越簡單轉錄的模型，提供深度見解。這包括摘要生成、PII 編輯（針對音訊和文本）、實體偵測、主題偵測、情感分析、內容審核和自動章節。
• 進階說話人分離： 在單個音訊檔案中準確識別和標記不同的說話人。
• 自動語言偵測： 從超過 99 種支援的語言列表中自動偵測音訊檔案中所說的語言。
• LeMUR（利用大型語言模型理解富媒體）： 一個框架，允許您將強大的 LLM（如 Anthropic 的 Claude 系列）直接應用於您的轉錄文本，以執行複雜任務，如對內容提問、生成摘要或提取自訂資訊。
• 開發者優先平台： 提供全面的文件、可靠的 SDK 和可擴展的基礎設施，每月處理超過 6 億次推論呼叫。

AssemblyAI 的使用案例

AssemblyAI 的技術為各行各業的廣泛應用提供支援：

• 語音代理： 為客戶服務、預約安排和其他自動化任務建構反應迅速、類似人類的語音機器人。低延遲的串流 API 確保對話自然流暢。
• 對話智慧： 分析銷售和支援電話，以提取關鍵主題、客戶情緒和座席績效指標。公司利用此功能提高贏單率、改進培訓並提升客戶滿意度。
• 媒體與內容創作： 自動轉錄播客、訪談和視訊內容，以創建字幕、節目筆記和可搜尋的檔案。自動章節功能可以為關鍵部分自動生成時間戳。
• 會議轉錄： 產生虛擬會議的準確轉錄和摘要，以提高生產力並確保不會遺失關鍵資訊。
• 合規與審核： 自動從通話錄音中編輯個人身份資訊（PII），以滿足 GDPR 和 HIPAA 等合規標準。內容審核功能可以標記有害或不當內容。

AssemblyAI 的優勢特點

選擇 AssemblyAI 具有以下幾個關鍵優勢：

• 無與倫比的準確性： 建立在最可靠的音訊輸出基礎上，在無偏見的評估中受到最終用戶的青睞。
• 可擴展性與可靠性： 基礎設施旨在從幾次 API 呼叫輕鬆擴展到數百萬次，具有高並行性和可自訂的速率限制。
• 全面的解決方案： 這是一個集轉錄和深度音訊分析於一體的平台，減少了整合多個服務的需求。
• 持續創新： AssemblyAI 以研究為先，不斷改進其模型，並每週發布更新和功能，使客戶保持在技術前沿。
• 企業級安全： 透過 SOC 2 Type 2、GDPR、HIPAA 和 ISO 27001 合規性，確保您的數據私密和安全。
• 透明且可擴展的定價： 按需付費模式和大量折扣確保成本不會成為建構和擴展創新產品的障礙。

定價和計劃

AssemblyAI 提供靈活的定價結構，旨在隨您的使用量擴展。

• 免費計劃： 非常適合開發和測試，此計劃包括 50 美元的免費額度，足以進行約 185 小時的預錄製音訊轉錄或 333 小時的串流傳輸。並行性有限。
• 按需付費： 這是標準的生產就緒計劃，無任何承諾。定價基於使用量：
  • 預錄製語音轉文字（Universal & Slam-1 模型）： 每小時 0.27 美元。
  • 串流語音轉文字（Universal-Streaming 模型）： 每小時 0.15 美元。
  • 音訊智慧模型： 按功能定價，例如，摘要生成每小時 0.03 美元，PII 編輯每小時 0.08 美元。
  • LeMUR（LLM 使用）： 按每 1000 個 token 定價，根據所選的 LLM 而異（例如，Claude 3.5 Sonnet 輸入 token 為 0.003 美元/千，輸出 token 為 0.015 美元/千）。
• 客製化計劃： 適用於需要自訂大量折扣、專用基礎設施、本地部署選項或自訂模型配置的大型企業。請聯繫銷售團隊獲取量身定制的解決方案。

計費方式是向您的帳戶存入資金，然後在使用 API 時消耗。多聲道音訊按聲道計費。