Universal-3.5 Pro

Historia zmian

6 paź 2026

AssemblyAI wprowadza Sync API: pełna transkrypcja w jednym wywołaniu HTTP, opóźnienie ~134ms

Parametr	Było	Jest
Opóźnienie (nagranie 2s)	5-6s (odpytywanie Async)	~134ms (Sync API, p50)
Poziom błędów (krótkie nagrania)	Nie określono	1,59%
Cena	Nie określono	0,45 USD/godz.
Obsługiwana długość nagrania	Nie określono	80ms do 2 minut
Limit rozmiaru pliku	Nie określono	Do 40 MB
Języki	Nie określono	18 (tak samo jak Universal-3.5 Pro)

6 paź 2026

AssemblyAI wprowadza Universal-3.5 Pro z natywnym przełączaniem języków i lepszym rozpoznawaniem mówców

Parametr	Było	Jest
WER przy przełączaniu języków (średnia, 5 par językowych)	9,07% (Universal-3 Pro)	7,69%
W pełni obsługiwane języki	Nie określono	18 języków z natywnym przełączaniem w połowie zdania
Dokładność diaryzacji (średnia cpWER)	Nie określono	30,17% (najniższy/najlepszy wśród porównywanych modeli)
Cena	Nie określono	0,21 USD/godz.

Wiadomości

Voice AI· Ważne· 🧪 Warte przetestowania

AssemblyAI wprowadza Sync API: pełna transkrypcja w jednym wywołaniu HTTP, opóźnienie ~134ms

AssemblyAI zaprezentowało Sync API — nowy sposób transkrypcji krótkich nagrań audio: jedno żądanie HTTP POST zwraca gotową transkrypcję Universal-3.5 Pro w tej samej odpowiedzi, przy medianie opóźnienia ok. 134ms. Wypełnia to lukę między Async API (wysyłka i odpytywanie, dodające 5-6 sekund opóźnienia) a Realtime API (WebSocket, przeznaczone do ciągłych sesji), odpowiadając na potrzeby takie jak dyktowanie, transkrypcja tur rozmowy w agentach głosowych, IVR i push-to-talk. Obsługiwane są nagrania od 80ms do 2 minut, do 40MB, z poziomem błędów 1,59% dla krótkich nagrań. Cena wynosi 0,45 USD/godz., tyle samo co Universal-3.5 Pro Realtime.

5 godz. temuAssemblyAI

Voice AI· Ważne· 🧪 Warte przetestowania

AssemblyAI wprowadza Universal-3.5 Pro z natywnym przełączaniem języków i lepszym rozpoznawaniem mówców

AssemblyAI wydała Universal-3.5 Pro, nowy flagowy asynchroniczny model mowy-na-tekst w cenie 0,21 USD/godz. Model natywnie transkrybuje rozmowy z przełączaniem języków (code-switching) w 18 językach bez dodatkowej konfiguracji, wprowadza wspólnie modelowane rozpoznawanie mówców wbudowane bezpośrednio w transkrypt (zamiast łączenia z osobnego systemu) oraz obsługuje kontekstowe podpowiadanie, pozwalające dostarczyć modelowi wiedzę branżową. Testy pokazują niższy wskaźnik błędów słów na nagraniach z przełączaniem języków oraz wyższą dokładność cpWER w rozpoznawaniu mówców w porównaniu z kilkoma modelami konkurencji oraz wcześniejszym Universal-3 Pro od AssemblyAI.

5 godz. temuAssemblyAI