AssemblyAI 发布首款 TTS 模型：90ms 首包延迟、4000+ 声音、$15/百万字符
AssemblyAI · x · 2026-10-28
AssemblyAI 官宣推出首款语音合成模型 AssemblyAI-TTS-1，专为语音 agent 实时通话场景设计，今日起可用。
关键参数与卖点：
- 延迟：首段音频仅 90ms，主打实时通话不冷场
- 训练数据：数百万小时音频，独立评测基准上准确率领先
- 克隆与声库：支持即时声音克隆，内置 4000+ 声音且每日新增
- 定价：$15 / 100 万字符，覆盖全部语言与地区
该模型是 AssemblyAI 平台「转写—理解—交互」布局中 Text-to-Speech API 的一环，官方展示的用例是让小孩用它点披萨的语音 agent 演示。
所属事件:AssemblyAI 推出首款 TTS 模型 TTS-1(3 条相关)→
「多模态」频道最新
- 马斯克用 Grok Imagine 拍 AI 版《奥德赛》，卫报评：无聊如屏保 — nordicinst · 2026-10-29
- AA 发图生视频新榜：Seedance 2.5 居首，MiniMax H3 性价比登顶 — ArtificialAnlys · 2026-10-29
- 百度开源 OCR 模型单 GPU 一次读完 1899 年默克药典 270 页 — MaziyarPanahi · 2026-10-29
- 百度开源 Unlimited OCR 2：单卡一次请求解析 270 页老手册 — MaziyarPanahi · 2026-10-29
- Sunra API 上线：一个密钥聚合主流图像视频音频 3D 模型 — HeyToha · 2026-10-29
- 博主对比第1代与第14代视频生成结果，直观呈现技术跃迁 — JohnPhamous · 2026-10-29