AssemblyAI-TTS-1: वॉइस एजेंटों के लिए टेक्स्ट-टू-स्पीच
AssemblyAI ने वॉइस एजेंटों के लिए अपना पहला टेक्स्ट-टू-स्पीच मॉडल AssemblyAI-TTS-1 जारी किया है: लगभग 90 मिलीसेकंड में ऑडियो स्ट्रीम, बिना वार्षिक अनुबंध असीमित कन्करेंसी, 15 डॉलर प्रति दस लाख अक्षर। 4,000+ आवाज़ें, तुरंत वॉइस क्लोनिंग और लॉन्च पर छह भाषाएं।
लेख में क्या कहा गया है
वॉइस AI कंपनी AssemblyAI ने अपना पहला टेक्स्ट-टू-स्पीच मॉडल AssemblyAI-TTS-1 जारी किया है, जिसे 27 अक्टूबर 2026 को आम तौर पर उपलब्ध बताया गया। यह लाइव फ़ोन कॉल पर वॉइस एजेंटों के लिए है, जहाँ धीमी या अस्वाभाविक आवाज़ से कॉल करने वाले फ़ोन काट देते हैं। कंपनी उत्पादन में 90 ms में ऑडियो स्ट्रीम शुरू होने (प्रयोगशाला में औसत 47 ms), 15 डॉलर प्रति दस लाख अक्षर की कीमत, पे-एज़-यू-गो पर असीमित समवर्तीता, 4,000 से अधिक आवाज़ें, तुरंत वॉइस क्लोनिंग और छह भाषाओं में लहजे बताती है।
पेज औसत विलंब की तुल��ा करता है (47 ms, जबकि ElevenLabs Flash v2.5 का 119 ms और Cartesia Sonic 3.6 का 143 ms) और फ़ोन नंबर जैसे 580 कठिन उदाहरणों पर 93.7% उच्चारण सटीकता बताता है। ये कंपनी के अपने आँकड़े हैं, जिनके साथ Coval, Cekura और Artificial Analysis के माप भी दिए गए हैं। सीमाएँ: अभी फ़ाइन-ट्यून्ड क्लोनिंग, SSML और गति पैरामीटर नहीं हैं; उच्चारण शब्दकोश और भावना टैग जल्द आने वाले हैं। कंपनी बदलाव से पहले असली ट्रैफ़िक के एक हिस्से पर परीक्षण की सलाह देती है।
आधिकारिक लेख पढ़ें AnnuIA प्रोफ़ाइल
यह सारांश AnnuIA ने AssemblyAI के आधिकारिक पृष्ठ के आधार पर अपने शब्दों में लिखा है। सामग्री और अधिकार प्रकाशक के हैं: कृपया मूल लेख पढ़ें।