AssemblyAI 发布首款 TTS 模型 跻身语音竞技场前十

AssemblyAI 正式推出其首款文本转语音（TTS）模型 AssemblyAI-TTS-1，标志着这家以语音识别起家的公司成功切入生成式语音赛道。该模型在 Artificial Analysis 的权威基准测试中表现亮眼，于 Controlled Voice 模式下排名第十，知识分享场景更是位列第六，展现出极强的发音鲁棒性与自然度。

技术层面，AssemblyAI-TTS-1 专为构建实时语音智能体而设计，支持低至 90ms 的流式传输延迟，并提供超过 4000 种声音选项及 US/EU 节点部署能力。其定价策略极具侵略性，每百万字符仅收费 15 美元，显著低于 ElevenLabs v4 等头部竞品，仅高于 Gemini Flash-Lite 和 Simba 3.2，实现了高性能与高性价比的双重突破。

这一举措不仅丰富了 OpenRouter 等聚合平台的语音生态，更对现有 TTS 市场格局形成冲击。凭借其在 ASR 领域的既有优势与 TTS 新模型的协同效应，AssemblyAI 有望为开发者提供更低成本、更高效率的全栈语音解决方案，加速语音交互应用的普及与迭代。