AssemblyAI
AssemblyAI · Rédaction · Voix et langage
AssemblyAI est une plateforme d'IA vocale qui fournit aux développeurs la transcription, la transcription en temps réel, une API d'agents vocaux et une passerelle LLM via un seul ensemble d'API.
À propos de AssemblyAI
About
Qu'est-ce qu'AssemblyAI
AssemblyAI est une plateforme d'IA vocale conçue pour les développeurs qui doivent transformer la parole en texte, comprendre ce qui a été dit et faire tourner des agents vocaux dans leurs propres produits. Elle réunit transcription, compréhension de la parole, filtres de sécurité et accès aux modèles de langage au même endroit, ce qui évite de raccorder quatre fournisseurs différents.
L'entreprise a été fondée en 2017 à San Francisco et elle est dirigée par son fondateur, Dylan Fox. Ses modèles font tourner des produits d'équipes comme Granola, Dovetail et LiveKit, et la plateforme sert des centaines de milliers de développeurs. AssemblyAI met en avant la précision : selon la société, Universal-3.5 Pro dépasse les autres modèles ASR du marché sur la reconnaissance d'entités et réduit les hallucinations de 30 % face à Whisper.
La principale limite tient au public visé. AssemblyAI est un produit d'API, donc il n'existe pas d'application à ouvrir pour parler. La facturation se fait aussi à l'usage, et le streaming est compté sur la durée d'ouverture de la connexion, pas sur le volume d'audio, un piège pour qui laisse des sockets inactifs.
Pour commencer
- Créez un compte gratuit dans le tableau de bord AssemblyAI. Les nouveaux inscrits reçoivent 50 dollars de crédit, sans carte bancaire.
- Choisissez un modèle et un point d'accès : Universal-3.5 Pro pour les fichiers, Universal-3.6 Pro Realtime pour l'audio en direct, ou l'API d'agents vocaux pour des conversations complètes.
- Récupérez votre clé d'API et envoyez une première requête depuis la documentation, ou testez un fichier dans le Playground avant d'écrire du code.
- Branchez l'API sur votre application, puis surveillez la concurrence et l'usage dans le tableau de bord pour qu'un mois chargé ne vous surprenne pas.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de AssemblyAI.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Développeurs qui ajoutent des fonctions vocales
- Équipes produit en startup
- Équipes réglementées en banque ou santé
Tâches
- Transcrire des réunions enregistrées
- Transcrire des appels en direct
- Créer des agents vocaux
Cas d'usage
- Transformer des appels archivés en notes
- Répondre aux appels clients automatiquement
- Nettoyer des données sensibles dans des enregistrements
Fonctionnalités clés
Modèles Universal de transcription
Universal-3.5 Pro est le modèle le plus précis d'AssemblyAI pour l'audio enregistré, et Universal-3.6 Pro Realtime est le haut de gamme pour la voix en direct. Selon l'entreprise, Universal-3.5 Pro mène sur la reconnaissance d'entités comme les numéros de carte et les noms, et diffuse avec une latence sous les 200 millisecondes. On choisit le modèle à chaque requête et l'API indique lequel a tourné. C'est le genre de logiciel de transcription qu'on appelle depuis son propre backend, pas une application de bureau.
Transcription en streaming à faible latence
Le point d'accès de streaming tourne sur WebSocket et gère la détection de tour pour qu'une transcription en direct sache quand quelqu'un s'arrête. Universal-3.6 Pro Realtime couvre 32 langues avec alternance de langue native, plus une diarisation des intervenants en temps réel qui étiquette qui a parlé sans post-traitement. Il sert aux sous-titres, au coaching en direct et aux assistants de réunion.
API d'agents vocaux
L'API d'agents vocaux réunit transcription, LLM et synthèse vocale dans une seule connexion WebSocket. Elle gère la détection de fin de tour et les interruptions côté serveur, donc l'agent ne coupe pas la parole à l'appelant. On peut changer le LLM ou la voix en dessous, et AssemblyAI facture un tarif unique à la minute au lieu de frais séparés par composant.
Modules de compréhension de la parole
Au-delà du texte brut, AssemblyAI propose identification des intervenants, détection d'entités, analyse de sentiment, détection de thèmes et traduction. Ils sont facturés en supplément du tarif de base, donc on paie seulement ceux qu'on utilise. La traduction couvre plus de 100 langues cibles sur l'audio enregistré.
Filtres de sécurité pour l'audio sensible
Les filtres de sécurité prennent en charge la rédaction des données personnelles, le filtrage des grossièretés et la modération de contenu. On peut effacer les numéros de carte du texte, les biper dans l'audio, ou les deux, ce qui compte pour qui enregistre des appels clients et doit les stocker en sécurité.
Passerelle LLM
La passerelle LLM est un point d'accès unique qui sert 25 modèles de langage ou plus de cinq fournisseurs, authentifié avec la même clé que la transcription. Elle ajoute un basculement automatique entre fournisseurs et une mise en cache des prompts, et elle remplace les anciennes fonctions de résumé et de chapitrage automatique qu'AssemblyAI a retirées.
Avantages et inconvénients
Avantages
- Transcription, compréhension de la parole, filtres de sécurité et agent vocal sous une seule clé, ce qui supprime le raccordement de fournisseurs par lequel commence presque tout projet vocal.
- On peut changer le LLM ou la voix dans l'API d'agents vocaux, donc un changement de modèle n'oblige pas à réécrire toute la chaîne.
- HIPAA, PCI, SOC 2 et la résidence des données dans l'UE arrivent sans surcoût, ce qui aide les équipes réglementées à avancer plus vite.
- Le crédit de 50 dollars à l'inscription et la facturation à l'heure permettent de tester de vrais enregistrements avant de signer un contrat.
Inconvénients
- Il n'y a pas d'application grand public, donc qui ne code pas n'a rien à ouvrir et à utiliser directement.
- Le streaming est facturé au temps de connexion, pas à la durée de l'audio, donc un socket laissé ouvert continue de coûter de l'argent.
- Les modules s'ajoutent au tarif de base, et une requête qui en cumule plusieurs peut multiplier le coût horaire.
- Les modèles de streaming les moins chers réduisent la couverture des langues et la précision, donc un agent vocal de qualité exige l'offre la plus chère.
Questions fréquentes
AssemblyAI sert à ajouter la reconnaissance vocale et des fonctions vocales à un logiciel via une API de reconnaissance vocale. Les équipes l'utilisent pour transcrire appels et réunions, extraire des données comme les intervenants et le sentiment, effacer des informations sensibles et faire tourner des agents vocaux qui répondent en temps réel.
Contenus associés
Découvrez des outils, des compétences et des articles liés à AssemblyAI.
Alternatives à AssemblyAI
Google EmbeddingGemma 2
Google DeepMind · Rédaction · Image · ProgrammationGoogle EmbeddingGemma 2 est un modèle ouvert de 740 millions de paramètres qui transforme texte, code, images, audio et images vidéo en vecteurs d'un même espace de 768 dimensions, sur un téléphone ou un ordinateur portable.
MePersona
MePersona, Inc. · Rédaction · Productivité · MarketingMePersona est une boîte de réception unifiée avec IA pensée pour les créateurs. Elle apprend votre style, rédige des réponses aux messages de vos fans sur 12 plateformes et n'envoie que ce que vous validez.
Fluence
Yay Software (Yannick Huchard) · Rédaction · Voix et langage · ProductivitéFluence est une application Android qui lit à voix haute vos PDF, EPUB, fichiers Word et articles web, suit la phrase prononcée et répond aux questions sur le texte sans quitter le téléphone.