AssemblyAI-TTS-1: síntese de voz criada para agentes de voz
A AssemblyAI lança o AssemblyAI-TTS-1, seu primeiro modelo de síntese de voz para agentes de voz, com áudio em streaming em cerca de 90 ms, concorrência ilimitada sem contrato anual e US$ 15 por milhão de caracteres. Traz mais de 4.000 vozes, clonagem instantânea e seis idiomas.
O que diz o artigo
A AssemblyAI, empresa de IA de voz, lançou o AssemblyAI-TTS-1, seu primeiro modelo de síntese de fala, descrito em 27 de outubro de 2026 como de disponibilidade geral. Ele é voltado a agentes de voz em chamadas ao vivo, nas quais uma fala lenta ou pouco natural faz o cliente desligar. A empresa informa início de streaming de áudio em 90 ms em produção (47 ms de mediana em laboratório), preço de US$ 15 por milhão de caracteres, concorrência ilimitada no pague-pelo-uso, mais de 4.000 vozes, clonagem instantânea e sotaques em seis idiomas.
A página compara a latência mediana (47 ms contra 119 ms do ElevenLabs Flash v2.5 e 143 ms do Cartesia Sonic 3.6) e informa 93,7% de precisão de pronúncia em 580 casos difíceis, como números de telefone. São números da própria empresa, complementados por medições da Coval, Cekura e Artificial Analysis. Limitações: ainda não há clonagem ajustada, nem SSML ou parâmetro de velocidade; dicionários de pronúncia e etiquetas de emoção aparecem como futuros. A empresa recomenda testar o modelo em parte do tráfego real antes de migrar.
Ler o artigo oficial Ficha AnnuIA
Resumo escrito pela AnnuIA com suas próprias palavras, com base na página oficial de AssemblyAI. O conteúdo e os direitos pertencem ao editor: consulte o artigo original.