AssemblyAI meluncurkan model text-to-speech pertamanya, AssemblyAI-TTS-1

AssemblyAI meluncurkan AssemblyAI-TTS-1, model text-to-speech pertamanya yang dirancang untuk agen suara. AssemblyAI menyebut model ini dapat melakukan streaming dalam 90 ms dengan harga $15 per satu juta karakter, serta mengklaimnya sebagai model TTS terbaik yang dapat dijalankan dalam skala besar jika akurasi, kealamian, dan biaya dipertimbangkan secara bersamaan. OpenRouter menyebut model ini sudah tersedia di platformnya, dengan lebih dari 4.000 suara yang dilayani dari AS atau UE.

Angka-angka di bawah ini adalah hasil pengukuran Artificial Analysis sendiri, bukan AssemblyAI.

• Provider Voice Arena: Elo 1.227 dari 1.626 kemunculan, peringkat #12, tepat di bawah Breeze TTS 2 (1.228) dan di atas Voxtral 3 TTS dari Mistral (1.221).
• Controlled Voice Arena (suara kloning yang sama): 1.110, peringkat #10, di bawah Sonic 3.5 dari Cartesia (1.118); peringkat #6 dalam Knowledge Sharing.
• Pronunciation Robustness: 81,7% dari 2.115 klip yang dinilai, peringkat #16.
• Kecepatan: 162 karakter per detik, lebih cepat daripada Sonic 3.6 dari Cartesia (148,6) dan Voxtral 3 TTS (112,3).
• Harga: $15 per satu juta karakter. Dari sebelas model yang berada di atasnya dalam Provider Voice, hanya dua yang lebih murah (Gemini 3.8 Flash-Lite TTS seharga $11 dan Simba 3.2 seharga $6,6); Eleven v4 seharga $80 dan Sonic 3.6 seharga $49.