AssemblyAI 推出首款文字轉語音模型 AssemblyAI-TTS-1

AssemblyAI 推出首款文字轉語音模型 AssemblyAI-TTS-1，專為語音代理打造。AssemblyAI 表示，模型可在 90 毫秒內開始串流，每百萬個字元收費 15 美元，並稱它是在準確度、自然度與成本三方面兼具、可大規模部署的最佳 TTS 模型。OpenRouter 表示，該模型已在其平台上線，提供 4,000 多種語音，服務由美國或歐盟提供。

以下數據是 Artificial Analysis 自行測得，並非 AssemblyAI 提供。

• Provider Voice Arena：在 1,626 次評測中 Elo 分數為 1,227，排名第 12，略低於 Breeze TTS 2（1,228），高於 Mistral 的 Voxtral 3 TTS（1,221）。
• Controlled Voice Arena（使用相同的克隆語音）：分數為 1,110，排名第 10，低於 Cartesia 的 Sonic 3.5（1,118）；在 Knowledge Sharing 項目中排名第 6。
• Pronunciation Robustness：在 2,115 段評分音訊中達 81.7%，排名第 16。
• 速度：每秒 162 個字元，快於 Cartesia 的 Sonic 3.6（148.6）和 Voxtral 3 TTS（112.3）。
• 價格：每百萬個字元 15 美元。在 Provider Voice 排名高於它的 11 款模型中，只有兩款更便宜（Gemini 3.8 Flash-Lite TTS 為 11 美元，Simba 3.2 為 6.6 美元）；Eleven v4 為 80 美元，Sonic 3.6 為 49 美元。