AssemblyAI, canlı telefon görüşmeleri için ses ajanlarına özel olarak tasarlanmış yeni bir metin‑ses API'si olan AssemblyAI‑TTS‑1'i piyasaya sürdü. 1 milyon karakter başına 15 $ fiyatla, yıllık sözleşme ya da eşzamanlılık katmanları olmadan sunulan bu model, AssemblyAI konuşmadan‑metne hizmetini zaten kullanan geliştiriciler için ses döngüsünü tamamlıyor.
Barındırılan API, ayrık tokenlar yerine sürekli ses temsilleri üzerinde çalışıyor ve milyonlarca saatlik konuşma verisiyle eğitildi. 4.000'den fazla ses içeren bir kütüphane, altı dili destekleyen anlık ses klonlama ve HTTP, WebSocket ve OpenAI uyumlu bir yol olmak üzere üç entegrasyon arayüzüyle birlikte geliyor. Kendileri tarafından bildirilen testlerde model, ortalama 47 ms ilk bayt süresi ve %93,7 varlık doğruluğu elde etti.
Neden önemli: Bu yeni API, geliştiricilere gerçek zamanlı konuşma tabanlı telefon sistemleri için optimize edilmiş, uygun maliyetli ve düşük gecikmeli bir metin‑ses çözümü sunuyor.