AssemblyAI wprowadza Universal-3.5 Pro z natywnym przełączaniem języków i lepszym rozpoznawaniem mówców
W skrócie: 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.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „AssemblyAI”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Natywna transkrypcja z przełączaniem języków w 18 językach, bez osobnej konfiguracji
- 2Nowe wspólne podejście do diaryzacji, łączące słowa z mówcami bezpośrednio, zamiast przez dopasowanie znaczników czasu
- 3Dokładność mierzona za pomocą cpWER zamiast DER, co firma twierdzi lepiej odzwierciedla rzeczywistą dokładność transkryptu
- 4Kontekstowe podpowiadanie pozwala dostarczyć kontekst branżowy (notatki kliniczne, agendy spotkań, nazwy produktów) dla poprawy dokładności
- 5Niższy WER przy przełączaniu języków (średnio 7,69% vs 9,07% dla Universal-3 Pro) i najlepszy cpWER (średnio 30,17) wśród porównywanych modeli
- 6Cena 0,21 USD/godz.; dostępny przez parametr API universal-3-5-pro oraz jako nowy domyślny model w czasie rzeczywistym
| 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. |
Dlaczego to ważne?
Dla zespołów budujących analitykę call center lub produkty głosowe, dokładniejsze przypisywanie mówców i natywna obsługa rozmów wielojęzycznych zmniejsza błędy w dalszych systemach QA, zgodności i analityki, a kontekstowe podpowiadanie może ograniczyć błędy branżowe bez ponownego trenowania modelu.
Co to oznacza dla agentów AI i contact center?
Jeśli Twoja firma obsługuje wielojęzyczne rozmowy lub rozmowy z przełączaniem języków, albo potrzebuje wiarygodnych transkryptów na poziomie mówców do kontroli jakości i analityki połączeń, warto porównać ten model z obecnym dostawcą STT na rzeczywistych nagraniach, sprawdzając zarówno dokładność diaryzacji (cpWER), jak i koszt za godzinę.
🧪 Warte przetestowania
Ulepszone rozpoznawanie mówców i dokładność przełączania języków przy podanej cenie mogą znacząco poprawić jakość transkryptów w call center i dalszą analitykę, jeśli zostanie to potwierdzone na własnych nagraniach i językach.
Źródła
- AssemblyAIOficjalneŹródło pierwotneOryginalny artykuł →„Universal-3.5 Pro: native code switching, our most accurate speaker diarization yet, and expanded language support“
- Data publikacji źródła
- —
- Znalezione przez nasz system
- 6 paź 2026, 20:35
- Podsumowanie wygenerowano
- 6 paź 2026, 20:36
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność