AssemblyAIは、音声を理解する必要があるアプリ向けの基盤です。開発者は通話、会議、ポッドキャスト、動画の音声を送り、APIは単語単位のタイムスタンプ付きの正確な文字起こしを返します。録音ファイルとリアルタイムのストリーミングに対応し、一括の文字起こしに加えてライブ字幕や音声アシスタントにも使えます。顧客は通話分析、会議のメモ、メディア検索、コンプライアンスのツールを作るために使います。
文字起こしの先には、テキストを構造化データにする音声理解の層があります。話者の分離、会話の要約、話題の検出、感情のスコア付けができます。Guardrailsの機能は、データがほかへ行く前に個人情報を墨消し、機微な内容をフィルタします。LLM Gatewayでは、開発者が文字起こしを言語モデルに渡し、アクション項目の抽出などをさせられます。音声エージェントのAPIは、音声から音声へのアプリを支えます。
料金は従量で、処理した音声の量に応じて課金されます。新規ユーザーは無料クレジットでAPIを試せます。競合にはDeepgram、OpenAI Whisper、Google Speech-to-Text、AWS Transcribeがあります。AssemblyAIは開発者向けなので、出来合いの会議録音を探す技術者以外の人には、OtterやFirefliesのような製品のほうが向きます。その一部は、このような音声APIの上に作られています。