Általánosan elérhető az AssemblyAI hangügynökökhöz készült beszédmodellje

Az AssemblyAI 2026. október 27-én jelentette be az általános elérhetőséget: a hangügynökök fejlesztői szövegből beszédet készítő modellt kapnak a kimondott válaszokhoz. A közölt ár egymillió bemeneti karakterenként 15 dollár, a szóközöket és az írásjeleket is beleszámítva. A hat induló nyelv az angol, spanyol, francia, német, olasz és portugál; a magyar nem szerepel a felsorolásban.

A WebSocket specifikációja tartós kapcsolatot ír le, amely folyamatosan fogadja a beérkező szöveget. A hangot és a mintavételi frekvenciát kapcsolódáskor kell kiválasztani; megváltoztatásukhoz új munkamenet szükséges. A fejlesztőnek meg kell várnia a szerver Begin üzenetét, mielőtt szöveget küld: a megnyílt kapcsolat önmagában nem igazolja a sikeres hitelesítést, mert az elutasított hitelesítő adatok hibája később érkezik meg. A kliensnek a Begin üzenetben visszaadott tényleges beállításokat érdemes használnia, nem feltételeznie, hogy a kért értékek léptek életbe.

Az OpenAI-kompatibilis végpont az OpenAI fejlesztői könyvtárával használható az AssemblyAI alapcímének és API-kulcsának megadásával. A kéréshez bemeneti szöveg és AssemblyAI-modellnév szükséges; az OpenAI modellneveit a rendszer elutasítja. A kompatibilitásnak további határai is vannak: az OpenAI hangnevei AssemblyAI-hangokra képeződnek le, az instructions mezőt pedig figyelmen kívül hagyja a rendszer. A hang az előállításával párhuzamosan érkezik, és az adatfolyam indulása után bekövetkező hiba megszakítja a kapcsolatot.

A megjelenésről a MarkTechPost is beszámolt.