AssemblyAI-TTS-1: تحويل النص إلى كلام مصمم لوكلاء الصوت

ما يقوله المقال

أطلقت AssemblyAI، شركة الذكاء الاصطناعي الصوتي، نموذج AssemblyAI-TTS-1، أول نماذجها لتحويل النص إلى كلام، ووصفته في 27 أكتوبر 2026 بأنه متاح للجميع. يستهدف الوكلاء الصوتيين في المكالمات الهاتفية المباشرة، حيث يدفع الكلام البطيء أو غير الطبيعي المتصلين إلى إنهاء المكالمة. تذكر الشركة بدء بث الصوت خلال 90 مللي ثانية في الإنتاج (وسيط 47 مللي ثانية في المختبر)، وسعرًا قدره 15 دولارًا لكل مليون حرف، وتزامنًا غير محدود بنظام الدفع حسب الاستخدام، وأكثر من 4000 صوت، واستنساخًا فوريًا للصوت، ولهجات في ست لغات.

تقارن الصفحة وسيط التأخير (47 مللي ثانية مقابل 119 لـElevenLabs Flash v2.5 و143 لـCartesia Sonic 3.6) وتذكر دقة نطق بنسبة 93.7% في 580 حالة صعبة مثل أرقام الهاتف. هذه أرقام الشركة نفسها، مع قياسات من Coval وCekura وArtificial Analysis. القيود: لا يوجد استنساخ مضبوط بعد، ولا SSML ولا معامل للسرعة؛ وقواميس النطق ووسوم المشاعر مدرجة على أنها قادمة قريبًا. وتوصي الشركة باختبار النموذج على جزء من حركة المكالمات الحقيقية قبل التحول إليه.

اقرأ المقال الرسمي بطاقة AnnuIA

ملخص كتبته AnnuIA بكلماتها الخاصة اعتمادًا على الصفحة الرسمية لـ AssemblyAI. المحتوى والحقوق تعود إلى الناشر، يُرجى قراءة المقال الأصلي.

جميع الأخبار