AssemblyAI推出首款文本转语音模型AssemblyAI-TTS-1

10月29日

1. 15:28

   MarkTechPost

   AssemblyAI 发布首款语音合成模型 AssemblyAI-TTS-1，每百万字符 15 美元

   AssemblyAI 发布首款文本转语音模型 AssemblyAI-TTS-1 并正式开放，面向实时电话语音智能体，定价为每 100 万字符 15 美元，不设年度合同和并发档位。该模型仅以托管 API 形式在 us-east-1 和 eu-north-1 提供，支持 HTTP、WebSocket 和 OpenAI 兼容接口，内置 4000 多种音色、即时声音克隆和 6 种语言。厂商自测显示实体准确率 93.7%、首字节中位延迟 47 ms，但 Cekura 独立基准测得流式延迟 159 ms、朗读准确率 81.5%，且发布时尚不支持 SSML、语速控制和情感标签。

   展开摘要
2. 04:32

   OpenRouter相关讨论

   OpenRouter 参与了这场讨论 ↗

   原帖参与热度计算，不等同于正式报道或已确认事实。

3. 04:32

   OpenRouter一手

   AssemblyAI-TTS-1 上线 OpenRouter

   OpenRouter 宣布 AssemblyAI 的首个文本转语音模型 AssemblyAI-TTS-1 已上线，面向语音智能体场景。据 cekuraAi 的基准测试，该模型在速度与准确率上处于最佳象限，在 $15/1M 字符及以下的模型中自然度最高，提供 4,000+ 种音色，可从美国或欧盟节点提供服务。

   展开摘要
4. 00:54

   Artificial Analysis

   AssemblyAI 首款 TTS 模型 AssemblyAI-TTS-1 评测：Elo 1227 排第 12

   AssemblyAI 推出首款 TTS 模型 AssemblyAI-TTS-1，在 Artificial Analysis 的 Provider Voice Arena 中以 Elo 1,227 排名第 12，在 Controlled Voice 中以 1,110 排名第 10。其发音鲁棒性得分 81.7%，排名第 16；生成速度为每秒 162 字符，快于 Cartesia Sonic 3.6 的 148.6 和 Mistral Voxtral 3 TTS 的 112.3。定价为 $15/1M 字符，在 Provider Voice 排名前 11 的模型中仅有两款更便宜。

   展开摘要