AssemblyAI выпустила AssemblyAI-TTS-1 — свою первую модель преобразования текста в речь. API доступен по цене $15 за миллион символов без годового контракта и отдельной платы за уровень параллельных запросов; продукт ориентирован на голосовых агентов, в том числе для телефонных звонков.

Модель работает только в облаке AssemblyAI, в дата-центрах в США и ЕС; открытых весов и локального развертывания нет. По данным компании, в её тесте TTS-1 показала медианную задержку до первого байта 47 мс и точность распознавания сущностей на уровне ElevenLabs v4. В независимом тесте Cekura медианная потоковая задержка составила 159 мс: это восьмой результат среди 19 моделей.

Запуск позволяет разработчикам, уже использующим сервисы распознавания речи AssemblyAI, добавлять синтез речи через того же поставщика. Приведённые показатели основаны на тестах AssemblyAI и Cekura и характеризуют разные параметры производительности.