AssemblyAI-TTS-1 : une synthèse vocale conçue pour les agents vocaux
AssemblyAI lance AssemblyAI-TTS-1, son premier modèle de synthèse vocale pour agents vocaux : audio diffusé en environ 90 ms, concurrence illimitée sans contrat annuel, 15 $ le million de caractères. Plus de 4 000 voix, clonage instantané et six langues au lancement.
Ce que dit l'article
AssemblyAI, société d'IA vocale, a lancé AssemblyAI-TTS-1, son premier modèle de synthèse vocale, présenté le 27 octobre 2026 comme disponible pour tous. Il vise les agents vocaux sur appels en direct, où une voix lente ou peu naturelle fait raccrocher les appelants. L'entreprise annonce un démarrage du flux audio en 90 ms en production (47 ms de médiane en laboratoire), un tarif de 15 dollars par million de caractères, une concurrence illimitée en paiement à l'usage, plus de 4 000 voix, le clonage instantané et des accents en six langues.
La page compare la latence médiane (47 ms contre 119 ms pour ElevenLabs Flash v2.5 et 143 ms pour Cartesia Sonic 3.6) et une exactitude de prononciation de 93,7 % sur 580 cas difficiles, comme les numéros de téléphone. Ces chiffres sont ceux de l'entreprise, complétés par des mesures de Coval, Cekura et Artificial Analysis. Limites : pas encore de clonage affiné, ni de SSML ni de réglage de vitesse ; dictionnaires de prononciation et balises d'émotion annoncés. L'entreprise recommande de tester le modèle sur une part du trafic réel avant de le généraliser.
Lire l'article officiel Fiche AnnuIA
Résumé rédigé par AnnuIA avec ses propres mots, d'après la page officielle de AssemblyAI. Le contenu et les droits appartiennent à l'éditeur : consultez l'article d'origine.