AssemblyAI, ilk metinden konuşmaya modeli AssemblyAI-TTS-1'i piyasaya sürdü

AssemblyAI, sesli ajanlar için geliştirdiği ilk metinden konuşmaya modeli AssemblyAI-TTS-1'i piyasaya sürdü. Şirket, modelin 90 ms’de akış sağladığını ve milyon karakter başına $15 ücretlendirdiğini söylüyor; doğruluk, doğallık ve maliyeti birlikte değerlendirdiğinde ölçekli kullanıma uygun en iyi TTS modeli olduğunu belirtiyor. OpenRouter, modelin platformda kullanıma sunulduğunu ve ABD veya AB’den sunulan 4.000’den fazla ses seçeneği içerdiğini söylüyor.

Aşağıdaki veriler AssemblyAI'ye değil, Artificial Analysis'e ait ölçümlerdir.

• Provider Voice Arena: 1.626 değerlendirmede 1.227 Elo puanı; #12 sırada, Breeze TTS 2'nin (1.228) hemen arkasında ve Mistral'ın Voxtral 3 TTS modelinin (1.221) önünde.
• Controlled Voice Arena (aynı klonlanmış sesler): 1.110 puanla #10 sırada; Cartesia'nın Sonic 3.5 modelinin (1.118) gerisinde. Knowledge Sharing'de #6.
• Pronunciation Robustness: Puanlanan 2.115 klipte %81,7 ile #16 sırada.
• Hız: Saniyede 162 karakter; Cartesia'nın Sonic 3.6 modelinden (148,6) ve Voxtral 3 TTS'den (112,3) daha hızlı.
• Fiyat: Milyon karakter başına $15. Provider Voice sıralamasında önündeki on bir modelden yalnızca ikisi daha ucuz (Gemini 3.8 Flash-Lite TTS $11, Simba 3.2 ise $6,6); Eleven v4 $80, Sonic 3.6 ise $49.