AssemblyAI

AssemblyAI 的 Universal-2 模型在 LibriSpeech、Earnings-21、CallHome 等主流行业基准测试中始终位居前列。在嘈杂环境、强口音、语速较快等挑战性音频上，其表现优于众多竞争对手。对于医疗、法律、金融等专业领域的音频，AssemblyAI 还支持自定义词汇提升，进一步提高领域专业词汇的识别准确率。

支持。AssemblyAI 通过 WebSocket API 提供实时流式转录。您将音频帧流式传输到 API，即可以极低延迟（最终单词通常在 500ms 以内）接收部分和最终转录结果。适用于实时字幕、语音控制应用、会议转录工具和实时客服分析等场景。

LeMUR（语言模型通用运行时）是 AssemblyAI 的功能，允许您通过简单的 API 调用在转录数据上直接应用大型语言模型。转录音频后，将转录 ID 和提示词（例如「总结这次会议」或「列出所有行动项」）传给 LeMUR 即可。LeMUR 负责将 LLM 与音频内容深度结合，返回准确、符合上下文的回答，避免对音频细节产生幻觉。

AssemblyAI 的 PII 脱敏功能会自动检测并从转录文本中移除个人身份信息，包括姓名、地址、电话号码、身份证号、信用卡号等。在文本输出中，PII 会被替换为 [PERSON_NAME] 或 [PHONE_NUMBER] 等标签。还可选择在音频输出中对 PII 片段进行蜂鸣音处理，满足 HIPAA、GDPR 及金融合规要求。

AssemblyAI 提供包含 100 小时转录的免费套餐，足以让大多数开发者完整地构建和测试集成。超出免费额度后，按使用量计费，起价约为每小时音频 $0.37。LeMUR、实时流式转录和音频智能附加功能单独计费。无月度最低消费或长期承诺，适合各种规模的项目使用。