AssemblyAI, vooral bekend van spraakherkenning, heeft zijn eerste model uitgebracht dat tekst omzet in gesproken taal. AssemblyAI-TTS-1 is sinds 27 oktober algemeen beschikbaar en is gemaakt voor spraakagents: AI-systemen die live telefoongesprekken voeren, bijvoorbeeld bij een klantenservice. Bij zo'n gesprek telt elke fractie van een seconde vertraging, en een verkeerd uitgesproken telefoonnummer of datum kan een gesprek laten ontsporen.

Snel en goedkoop, volgens AssemblyAI zelf

Het model streamt audio terwijl het die maakt en kan direct stoppen als de beller ertussen praat. In de eigen aankondiging noemt AssemblyAI een mediane tijd tot het eerste geluid van 47 milliseconden in een eigen labtest, en zo'n 90 milliseconden in de praktijk. In die test was het sneller dan modellen van ElevenLabs, Cartesia en Inworld. Op een onafhankelijke benchmark van Cekura scoorde het volgens MarkTechPost minder opvallend: 8e van 19 gemeten modellen op streamingvertraging.

Ook bij het uitspreken van lastige gegevens, zoals telefoonnummers, codes en webadressen, zegt AssemblyAI gelijk te spelen met ElevenLabs v4. Dat zijn cijfers van het bedrijf zelf.

De prijs is 15 dollar per miljoen tekens, zonder jaarcontract of extra kosten voor het aantal gelijktijdige gesprekken. Er is een bibliotheek met meer dan 4.000 stemmen, en je kunt met een korte opname ook een stem klonen. Die gekloonde stem kost hetzelfde.

Wat ontbreekt

  • Nederlands: het model spreekt alleen Engels, Spaans, Frans, Duits, Italiaans en Portugees. Meer talen komen volgens AssemblyAI "in de komende weken", maar welke wordt niet gezegd.
  • Fijnregeling: geen SSML, geen snelheidsinstelling, nog geen uitspraakwoordenboek en geen emotie-aanwijzingen.
  • Eigen installatie: het draait alleen in de cloud van AssemblyAI, zonder open gewichten.

EU-regio is een pluspunt voor Europese bedrijven

Klanten kunnen kiezen of hun gegevens in de VS of in de EU worden verwerkt, tegen dezelfde prijs. Voor Europese bedrijven die belgesprekken door AI laten voeren is dat relevant, omdat stemopnames en klantgegevens onder de AVG vallen. Wie een stem kloont, moet bovendien toestemming bevestigen.

De markt voor spraakagents is druk. Deze week kocht Deepgram nog Pipecat-maker Daily, en AssemblyAI zegt dat zijn model met Pipecat en LiveKit werkt. Dat de techniek nog niet foutloos is, bleek eerder uit een test waarin AI-telefonisten namen en adressen vaak verkeerd vastlegden.