AssemblyAI

AssemblyAI は、音声の文字起こしとその後の音声理解機能を API として提供しています。事前録音の文字起こしは既存のファイルに適しており、リアルタイムの文字起こしは継続的なオーディオストリームに最適です。また、Sync インターフェースは短時間のオーディオに対して直接文字起こし結果を返すもので、それぞれ用途に応じて遅延や処理方法を選択できます。

Speech Understanding API は、話者、感情、章節および要約の分析を提供します。Voice Agent API には、ターン検出と割り込み処理が含まれます。Dictation API は、口述内容を送信可能なテキストに整理するための機能を備えています。Guardrails のエントリーポイントは、音声およびテキストにおける機密情報の処理とコンテンツセキュリティを支援し、具体的な対応項目についてはインターフェースドキュメントをご参照ください。

プラットフォームは開発ドキュメントとノーコードのテストエントランスを提供していますが、今回のリリースでは音声の送信やモデルの呼び出しは行われていません。公式サイトにおけるText-to-Speech機能は「近日公開予定」と記載されており、既に利用可能な機能ではありません。価格や各モデルの対応言語範囲、容量制限については個別に確認する必要があり、トップページに記載された総言語数を各APIにそのまま適用することはできません。

音声アプリ開発者、トランスクリプション製品および企業向け技術チーム