AssemblyAI 是面向开发者的语音 AI 基础设施平台，提供预录音频和实时语音转文字 API，以及语音代理、语音理解、内容安全和大语言模型接入能力。平台将语音 AI 栈拆分为可组合的模型、API 与基础设施，开发者可以按需选择所需能力，用于转录语音、理解上下文和意图、驱动实时代理工作流，并将应用从 MVP 扩展到生产环境。官网还提供无代码 Playground，可直接测试语音 AI 模型；平台宣称具备全球冗余、企业级正常运行时间，并每天处理 200 万小时音频。
核心功能
预录语音转文字
Pre-recorded Speech-to-Text API 用于处理已经录制好的音频，并返回可清理、可定制的文字稿。官网说明该 API 支持 99 种语言，并提供 Universal-3.5 Pro 与 Universal-2 模型；同时支持自然语言提示，开发者可以围绕转录结果进行进一步处理。该能力适合需要把音频文件转换为文字内容的应用场景。
实时语音转文字
Realtime Speech-to-Text API 可以在音频流进行时返回实时文字稿。官网将其描述为具备接近异步处理的准确度，使语音代理能够更快回应并减少误听用户内容的情况。可用模型包括 Universal-3.5 Pro Realtime、Universal-Streaming 和 Universal-Streaming Multilingual，适合需要持续接收语音并即时反馈的产品。
同步语音转文字
Sync Speech-to-Text API 面向短音频片段，发送音频后可在同一个响应中获得完成的文字稿。官网明确说明该方式不需要轮询，也不需要 WebSocket，底层由 Universal-3.5 Pro 提供支持。与实时流式接口不同，它针对的是短片段提交后直接取得结果的处理方式。
语音代理 API
Voice Agent API 用于构建面向生产环境的语音代理。该 API 内置轮次检测和打断处理，开发者无需自行处理这些语音交互中的复杂环节。官网将其定位为帮助团队更快交付语音代理，并减少实现过程中的复杂性。
语音理解与内容安全
Speech Understanding API 不只返回基础转录，还可以从一次 API 调用中提取说话人身份、情绪、章节和摘要等信息，用于进一步理解音频内容。Guardrails 则能在音频和转录内容进入日志或大语言模型之前，在线脱敏个人身份信息并进行内容审核。两项能力分别覆盖语音内容分析与敏感数据、内容安全处理。
LLM Gateway
LLM Gateway 允许开发者通过一个端点在不同大语言模型之间进行路由，并内置故障回退机制。官网列出的模型范围包括 GPT、Claude、Gemini 和社区模型。借助该能力，团队可以在切换模型或应对服务中断时减少代码改动，同时将大语言模型接入纳入同一套语音 AI 基础设施。
使用方式
AssemblyAI 以 API 和基础设施形式提供能力，官网列出了预录、实时、同步语音转文字 API，以及语音代理、语音理解、Guardrails 和 LLM Gateway。用户可以通过“Sign up free”注册，也可以联系销售。官网还提供无代码 Playground，用于测试语音 AI 模型，并展示了录音、转录结果预览和代码复制入口；正文未说明是否需要自备模型 Key，也未提供客户端、浏览器插件或命令行工具信息。
适用人群与场景
语音应用开发者可以使用预录或实时语音转文字 API，把音频文件或音频流转成文字；需要即时响应的团队可以利用实时转录和语音代理 API，构建带轮次检测、打断处理的生产级语音代理。需要分析通话或其他音频内容的产品团队，可以通过语音理解 API 提取说话人身份、情绪、章节和摘要。重视敏感信息处理的团队可以使用 Guardrails 对个人身份信息进行脱敏并审核内容；需要统一管理多种大语言模型的团队则可以使用 LLM Gateway 进行模型路由和故障回退。
定价
官网提供独立的定价入口，但正文没有列出具体价格、免费额度或套餐名称。页面说明平台没有并发限制、节流限制或强制承诺，并宣称同一平台可以从每月 100 小时扩展到每月 400,000 小时。用户可以先免费注册，具体计费信息需以定价页面展示为准。
