AssemblyAI
定位：不只转写，还要「听懂」
官网的标题是「用于转写与理解语音的 AI 模型」，并把平台按用途分成四组：transcribe（预录制、实时与同步识别）、understand（语音理解、安全护栏与模型网关）、interact（语音智能体与听写接口）、inference（自托管与云端推理）。这四组共用同一套账号与密钥，产品边界是按「音频进来之后要做什么」划分的，而不是按技术模块。官网给出的语言覆盖是 99 种，并列出 Zoom 等企业客户的公开案例，其中一家客服产品称把投诉与工单量降低了九成。
深度介绍
AssemblyAI详细介绍
异步识别：两代模型按准确率与价格分档
预录制识别当前有两个主力模型。Universal-3.5 Pro 被官方描述为「最准确的异步语音识别模型，把每段对话按其被听到的样子转写」，覆盖 18 种语言、支持原生语码切换，并称拥有目前最准确的说话人分离，价格为每小时 0.21 美元；Universal-2 基于超过 1,250 万小时音频训练，覆盖 99 种语言，定位是「以更低价格提供出色准确率」，价格为每小时 0.15 美元。选型时可以在自有语料上同时跑两个模型，比较错字率与每小时成本后再决定。
实时识别：为语音智能体加记忆与隔离
实时侧的主力是 Universal-3.5 Pro Realtime，官方强调它内置上下文延续与对话记忆，支持 18 种语言，并具备自我校正的说话人标签、语音隔离与关键词提示，价格为每小时 0.45 美元；另有 Universal-Streaming 面向仅英语的高质量实时转写，主打低延迟与成本，价格为每小时 0.15 美元，并提供多语言版本。实时场景里「上下文能否延续」往往比单句准确率更影响体验，因为同一句话在不同对话阶段含义不同。
听写接口：把口语整理成可直接发送的文本
Dictation API 面向的是输入类场景：一次调用返回两样东西——整理后的文本与逐字稿。整理内容包括去掉口头语、把自我更正解析成说话人最终想表达的版本、补上标点与大小写，并把专有名词按用户习惯的拼写输出；默认即开启整理，无需配置。它基于 Universal-3.5 Pro，覆盖 32 种语言，单次最多接受 120 秒音频，并支持边录边传；如果需要特定形态的输出（例如待办清单或临床记录），可以通过指令参数指定。
语音理解：把音频变成结构化结果
Speech Understanding 提供一组分析能力：行动项、自动章节、自定义格式、实体识别、关键短语、逐句情感分析、说话人识别、摘要、主题检测与翻译。它们建立在转写结果之上，因此转写质量会直接影响下游分析的可靠性——实践中通常先用关键词提示或提示词提升专有名词准确率，再开启理解能力。对会议记录、客服质检与内容归档类产品，这些能力可以直接替代一部分自研的后处理逻辑。
语音智能体、护栏与模型网关
interact 一组包含语音智能体接口与听写接口，understand 一组则包含安全护栏与模型网关。官方文档说明语音智能体接口用于把对话能力接入产品，护栏与网关用于约束模型行为、管理模型调用与路由。对已经自建智能体框架的团队，这部分的价值在于省掉自研的对话编排与风控；如果已有成熟框架，也可以只取识别与理解两块能力，把智能体层留在自己手里。
部署与合规：自托管与数据驻留
官网把 inference 单列为一组，提供自托管与云端推理（Voice AI Cloud）两种形态；文档另设云端点与数据驻留、连接预热等章节，说明它面向对时延与数据位置有要求的企业场景。对医疗、金融等受监管行业，能否自托管、数据落在哪个区域、是否有安全与合规材料，往往比模型指标更决定方案能否落地；建议在选型早期就确认这些约束，而不是等集成完成后再补。
计费口径：基础按小时，能力按附加项
价格页的规则是「先免费试用，之后按量计费，无需承诺」。基础转写按时长计价，模型不同价格不同；此外还有按小时另计的附加功能：关键词提示在 Universal-3.5 Pro 上为每小时 0.05 美元、在 Universal-2 上已包含，自然语言提示为每小时 0.05 美元，说话人分离为每小时 0.02 美元（异步）与 0.12 美元（实时），医疗模式为每小时 0.15 美元。也就是说同一条音频的实际单价取决于启用了哪些能力，预算模型需要把它们一起算进去。
产品特点
核心功能与独有价值
识别与理解放在同一平台
转写接口之外，还提供行动项、自动章节、实体识别、关键短语、情感分析、说话人识别、摘要、主题检测与翻译等理解能力，省掉自研后处理的一层工作量。
转写模型按准确率与价格分档
异步侧有 Universal-3.5 Pro（18 种语言、强调语码切换与说话人分离，每小时 0.21 美元）与 Universal-2（99 种语言、每小时 0.15 美元）；实时侧有带上下文延续与对话记忆的 Universal-3.5 Pro Realtime 与低成本的 Universal-Streaming。
听写接口返回可直接使用的文本
一次调用同时返回整理后的文本与逐字稿：去口头语、解析自我更正、补齐标点与大小写、按用户习惯输出专名拼写，并可用指令参数定制输出形态，单次最长 120 秒音频。
自托管与数据驻留选项
除云端接口外提供自托管部署与云端推理两种形态，文档中包含云端点与数据驻留、连接预热等企业关注项，适合对数据位置与合规有硬性要求的行业。
最近动态
重要更新
听写接口上线（核验时点）
官网当前把 Dictation API 标注为最新发布，称其为「第一个为听写打造的接口」：用户说话后返回可直接发送的文本，去口头语、解析自我更正、并按用户习惯拼写专名；文档显示它基于 Universal-3.5 Pro、覆盖 32 种语言、单次最长 120 秒。
Universal-3.5 Pro 覆盖异步与实时（核验时点）
文档站头部标注「Universal-3.5 Pro 已上线」并给出异步与实时两个入口。异步版价格为每小时 0.21 美元，实时版为每小时 0.45 美元并内置上下文延续、对话记忆、自我校正说话人标签与语音隔离。
模型与附加功能价格（核验时点）
价格页当前列出的异步模型为 Universal-3.5 Pro（0.21 美元／小时）与 Universal-2（0.15 美元／小时），实时模型为 Universal-3.5 Pro Realtime（0.45 美元／小时）与 Universal-Streaming（0.15 美元／小时）；附加功能按小时另计，包括关键词提示、自然语言提示、说话人分离与医疗模式。
产品线按用途重组（核验时点）
官网当前把能力分为 transcribe、understand、interact 与 inference 四组，涵盖预录制、实时与同步识别、语音理解、安全护栏、模型网关、语音智能体、听写、自托管与云端推理，语言覆盖标称为 99 种。
产品总结
AssemblyAI 是一个语音 AI 模型平台，官网的定位是「用于转写与理解语音的 AI 模型」。它把能力分成四组：transcribe（预录制、实时与同步识别）、understand（语音理解、安全护栏与模型网关）、interact（语音智能体与听写接口）与 inference（自托管与云端推理），覆盖 99 种语言，并列出 Zoom 等企业客户的公开案例。 转写模型按准确率与价格分档。异步侧，Universal-3.5 Pro 被描述为最准确的异步模型，覆盖 18 种语言、支持原生语码切换与更准的说话人分离，价格为每小时 0.21 美元；Universal-2 基于超过 1,250 万小时音频训练、覆盖 99 种语言，价格为每小时 0.15 美元。实时侧，Universal-3.5 Pro Realtime 内置上下文延续与对话记忆，支持 18 种语言、自我校正说话人标签、语音隔离与关键词提示，价格为每小时 0.45 美元；Universal-Streaming 面向仅英语的高质量实时转写，主打低延迟与成本，价格为每小时 0.15 美元。 除转写外，平台还有两块特色能力。听写接口（Dictation API）一次调用返回整理后的文本与逐字稿：去口头语、解析自我更正、补齐标点与大小写，并按用户习惯输出专名拼写，基于 Universal-3.5 Pro、覆盖 32 种语言、单次最长 120 秒，还支持边录边传与用指令参数定制输出形态。语音理解侧提供行动项、自动章节、自定义格式、实体识别、关键短语、逐句情感、说话人识别、摘要、主题检测与翻译，可用于会议记录、客服质检与内容归档。 部署与计费上，官网提供自托管与云端推理两种形态，文档中包含云端点与数据驻留、连接预热等企业项。计费规则是「先免费试用，之后按量计费，无需承诺」，基础转写按时长计价，附加功能按小时另计：关键词提示每小时 0.05 美元（在 Universal-2 上已包含）、自然语言提示每小时 0.05 美元、说话人分离每小时 0.02 美元（异步）与 0.12 美元（实时）、医疗模式每小时 0.15 美元。由于同一条音频的实际单价取决于启用了哪些能力，预算时应把附加项一并计入；模型准确率与价格也会随版本调整，请以官网当期说明为准。
- 产品类型
- 语音识别与语音理解
- 支持平台
- REST 与实时流式接口 / 官方多语言 SDK / 在线试用台 / 听写接口（单次调用返回整理后的文本） / 语音智能体接口与安全护栏 / 自托管部署与云端推理
- 资费模式
- 先免费试用后按量计费：异步模型每小时 0.15 美元起（Universal-3.5 Pro 为 0.21），实时模型 0.15 美元起，附加功能另计。
核验信息
参考文章与数据来源
本页事实来自 AssemblyAI 官方渠道：官网首页（转写并理解语音的定位、四组产品线划分、99 种语言与客户案例）、价格页（异步与实时模型的每小时价格、附加功能单价与「先免费试用后按量计费」规则）、官方文档（听写接口的返回内容、语言与时长限制、整理与指令参数说明；语音理解的行动项、章节、实体、情感、摘要等能力清单；云端点、数据驻留与连接预热等企业项），以及 Universal-3.5 Pro Realtime 的官方发布说明与基准测试页面。价格与模型信息核验于 2026 年 9 月 22 日，请以官方当期说明为准。
用户体验调查
AssemblyAI介绍页面对您是否有帮助？