AssemblyAI (AssemblyAI)
综合排名 #30 ⭐ 可考虑
❌ 需代理（基础设施在 US，国内直连不稳定） | 🌍 国际
💰 Token 价格
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | 按音频小时计费：Universal-3.5 Pro $0.21/hr、Universal-2 $0.15/hr（pre-recorded） | 每百万 tokens |
| 输出 (Output) | N/A（speech-to-text 计费基于音频时长，无 token 概念） | 每百万 tokens |
| 缓存读取 | N/A（实时音频不可缓存） | 享折扣 |
💡 免费额度
免费账户每月 185 小时 pre-recorded + 333 小时 streaming，无需信用卡
🤖 支持模型（共 9 个）
Universal-3.5 Pro (Async, 18 languages, native code switching, best diarization) Universal-2 (Async, 99 languages, balanced accuracy) Universal-3.5 Pro Realtime (Streaming, sub-300ms latency) Universal-Streaming (cost-effective streaming) Nano (sync, low-latency short audio) Voice Agent API (end-to-end real-time voice agents) Speech Understanding (sentiment, summarization, IAB categories, entity detection) LLM Gateway (Universal-2 / Claude / OpenAI routing) Guardrails (PII / profanity / brand safety for real-time audio)
✨ 优势
- ✓ Universal-3.5 Pro 在多语种/代码切换/远场拾音场景下准确率领先 ElevenLabs、Deepgram
- ✓ 免费额度大：每月 185 小时 pre-recorded + 333 小时 streaming（行业最高的免费额度之一）
- ✓ Streaming 自动伸缩并发，无并发费用上限——启动负载低，企业按用量增长
- ✓ 支持 Speaker Diarization / Speaker Identification（自研模型）
- ✓ Audio Intelligence 一站式：情感、摘要、IAB 分类、实体检测、PII Redaction
- ✓ 与 AWS Marketplace 集成，可与 AWS 计费合并
⚠️ 不足
- × 仅做语音相关（ASR / Audio Intelligence），不提供通用 LLM（除 LLM Gateway 路由层）
- × 无原生 TTS（Voice Agent API 通过 partner providers）
- × Pre-recorded 价格高于 Whisper 翻倍部署自托管，但准确率领先换成本
- × Speaker Diarization 仅在 Universal-3.5 Pro 与 Universal-Streaming 上启用，不适用于 Universal-2
- × 未通过中国 ICP 备案，国内企业部署需走合规模块或海外 API 网关
🎯 适合场景
实时会议转录 / 客服质检 / Voice Agent / 多语种字幕与媒体监控 / 医疗/法律行业转录