Community
AssemblyAI lancia TTS-1, il suo primo text-to-speech per i voice agent
- AssemblyAI-TTS-1 è il primo modello text-to-speech di AssemblyAI, già disponibile per tutti: voce naturale pensata per i voice agent, in streaming con 90 ms al primo audio in produzione (47 ms di mediana nei loro test). È addestrato su milioni di ore di audio, anche conversazionale reale, e lavora su rappresentazioni continue dell'audio invece che su token discreti.
- Costa $15 per 1M caratteri, con voci, lingue, cloning e regioni USA ed EU allo stesso prezzo: secondo AssemblyAI è il TTS di fascia alta più economico per i voice agent. Concorrenza illimitata senza contratto annuale, oltre 4.000 voci con voice cloning istantaneo, 6 lingue: inglese, spagnolo, francese, tedesco, italiano e portoghese.
- Nei loro test: 99,0% di parole corrette e 93,7% sulle entità (numeri, codici, URL). Nei benchmark indipendenti: su Cekura è primo su numeri di telefono e codici (91,7%), nel quadrante migliore fra accuratezza e latenza e quarto per naturalezza (4,50); su Coval ha un WER dell'1,7%; sull'arena Controlled Voice di Artificial Analysis entra nella top 10.
