AssemblyAI conçoit des modèles d'IA vocale et l'infrastructure pour les exécuter, à destination des développeurs et des équipes produit qui ajoutent de la voix à une application. Le cœur de l'offre est la transcription : une API asynchrone pour l'audio préenregistré, une API temps réel pour le streaming et les agents vocaux, et une API synchrone pour les courts extraits et la dictée. Son modèle de précision phare est présenté en tête de benchmarks indépendants, avec une bonne séparation des locuteurs et le changement de langue natif dans des dizaines de langues.
Au-dessus de la transcription, AssemblyAI propose une API Speech Understanding qui ajoute résumé, sentiment, détection de sujets, rédaction de PII, modération de contenu et garde-fous. L'éditeur a aussi lancé son premier modèle de synthèse vocale, AssemblyAI-TTS-1, pensé pour les agents vocaux en appels en direct, ainsi qu'un LLM Gateway pour router les appels de modèles et une API de dictée. Les modèles tournent sur le cloud d'inférence géré d'AssemblyAI ou en auto-hébergement dans le VPC du client ou on-premises.
Le prix est à l'usage après un essai gratuit : la transcription d'audio préenregistré est facturée à l'heure d'audio, avec des options comme la séparation des locuteurs, le prompting de termes clés et les modes médical ou vétérinaire facturées séparément. Les offres Enterprise incluent des limites de débit personnalisées, une concurrence accrue et la conformité SOC 2 Type 2, HIPAA et RGPD.
