AssemblyAI推出每小时4.50美元的语音代理API
realtime news May 15, 2026 16:04
AssemblyAI的语音代理API提供低延迟的语音到语音功能，采用统一定价，针对实时AI语音应用。
AssemblyAI推出了全新的语音代理API，这是一种适用于生产环境的解决方案，用于构建实时语音代理，价格为统一每小时4.50美元。该API将语音转文本、大型语言模型（LLM）路由和语音生成整合到一个连接中，旨在简化企业采用会话式AI的部署过程。这一宣布让AssemblyAI在一个快速发展的市场中站稳脚跟，该市场由OpenAI和SoundHound AI等玩家主导。
基于AssemblyAI的Universal-3 Pro自动语音识别（ASR）系统，语音代理API的端到端延迟约为一秒钟，能够实现无缝、近乎即时的交互。其关键功能包括用于轮流交谈的语音感知语音活动检测（VAD）、基于JSON Schema的工具调用用于后台集成，以及30秒的重连窗口以保证会话连续性。这些功能体现了AssemblyAI专注于为语音驱动的应用提供企业级功能。
2026年，语音代理领域取得了显著进展，尤其是在实时语音到语音处理方面。就在上周，OpenAI推出了自己的语音智能功能，包括用于会话推理和多语言支持的GPT-Realtime-2。同样，SoundHound AI今年早些时候在CES上展示了语音商务功能，突显了语音代理在消费者和企业环境中的日益融合。
AssemblyAI决定以每小时4.50美元的统一定价推出其服务，这与行业内通常使用的按使用量计费模式不同。这种定价方式可能会吸引那些寻求成本可预测性的公司，尤其是对于高流量使用场景如客户支持自动化、虚拟助手和交互式语音响应（IVR）系统来说。作为对比，许多竞争解决方案将电话服务、LLM处理和文本到语音费用捆绑在一起，使用量增加时往往会导致成本不可预测。
语音代理API的架构与会话式AI的更广泛趋势一致。它捕获音频输入，通过流式ASR将语音转录，使用能够推理和调用API工具的LLM进行处理，并合成响应的语音——这一切都在一个统一的实时会话中完成。像JSON Schema工具调用这样的功能使其能够与外部系统（如CRM或库存管理工具）集成，将潜在的使用场景扩展到基础对话之外。
展望未来，随着企业优先考虑全渠道客户互动和运营效率，实时语音AI市场预计将继续增长。通过提供低延迟的交互和捆绑式定价，AssemblyAI可能在寻求可扩展、成本效益高的解决方案的企业中开辟一片市场。然而，随着OpenAI等领先玩家不断发布先进的语音模型，竞争仍将十分激烈。
Image source: Shutterstock.jpg)