AssemblyAI, 첫 텍스트 음성 변환 모델 AssemblyAI-TTS-1 출시

AssemblyAI가 음성 에이전트용으로 제작한 첫 텍스트 음성 변환 모델 AssemblyAI-TTS-1을 출시했습니다. AssemblyAI는 이 모델이 90ms 만에 스트리밍되고 문자 100만 개당 15달러이며, 정확도와 자연스러움, 비용을 종합했을 때 대규모로 사용할 수 있는 최고의 TTS 모델이라고 밝혔습니다. OpenRouter에 따르면 이 모델은 해당 플랫폼에서 제공되며, 미국 또는 EU에서 4,000개 이상의 음성을 지원합니다.

아래 수치는 AssemblyAI가 아니라 Artificial Analysis가 자체 측정한 결과입니다.

• Provider Voice Arena: 출전 1,626회 기준 Elo 1,227로 12위. Breeze TTS 2(1,228) 바로 뒤, Mistral의 Voxtral 3 TTS(1,221)보다 앞섭니다.
• Controlled Voice Arena(동일한 복제 음성 사용): 1,110으로 10위. Cartesia의 Sonic 3.5(1,118)보다 낮으며, Knowledge Sharing 부문에서는 6위입니다.
• Pronunciation Robustness: 평가된 클립 2,115개 기준 81.7%로 16위입니다.
• 속도: 초당 162자. Cartesia의 Sonic 3.6(148.6)과 Voxtral 3 TTS(112.3)보다 빠릅니다.
• 가격: 문자 100만 개당 15달러. Provider Voice 순위에서 이 모델보다 높은 11개 모델 중 더 저렴한 모델은 둘뿐입니다(Gemini 3.8 Flash-Lite TTS는 11달러, Simba 3.2는 6.6달러). Eleven v4는 80달러, Sonic 3.6은 49달러입니다.