Was ist AssemblyAI?
AssemblyAI (Y Combinator Summer 2017) verkauft eine API, die Audio in Text umwandelt. Du schickst eine Aufnahme oder öffnest einen Live-Stream und bekommst ein Transkript zurück, auf Wunsch mit Extras wie Sprecherkennzeichnung, Schwärzung personenbezogener Daten, Übersetzung und einem medizinischen Modus. Die aktuellen Modelle sind Universal-3.5 Pro für Aufnahmen und Universal-3.6 Pro Realtime für Live-Audio; seit Universal-3 Pro im Februar 2026 kannst du sie mit Prompts in einfacher Sprache und Listen von Schlüsselbegriffen steuern.
Die Preise beginnen bei 0,15 $ pro Stunde für Universal-2 und 0,21 $ für Universal-3.5 Pro, mit 50 $ Startguthaben und ohne Kreditkarte. Außerdem verkauft AssemblyAI eine Voice Agent API für 4,50 $ pro Stunde und ein LLM-Gateway. Die letzte bestätigte Finanzierungsrunde war eine Series C über 50 Mio. $ unter Führung von Accel im Dezember 2023, womit die Gesamtfinanzierung auf 115 Mio. $ stieg.
Was kostet AssemblyAI?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Free credit | $50 one-off | Keine Karte; 5 neue Streams pro Minute |
| Pay as you go | From $0.15/hr | 100 neue Streams pro Minute |
| Voice Agent API | $4.50/hr | Speech-to-Text, LLM und Text-to-Speech zu einem Satz |
| Enterprise | Custom |
Aufnahmen: Universal-3.5 Pro 0,21 $/Std., Universal-2 0,15 $/Std. Streaming: Universal-3.6 Pro Realtime 0,45 $/Std., Universal-Streaming 0,15 $/Std. Voice Agent API 4,50 $/Std. Add-ons ab 0,01 $/Std.; Medical Mode +0,15 $/Std. 50 $ Startguthaben.
Lohnt sich AssemblyAI?
Transkripte gehen jedes Mal an denselben Stellen schief: bei Produktnamen, bei Personennamen und in dem Moment, in dem zwei Leute gleichzeitig sprechen.
Bei AssemblyAI kannst du das Modell vorab darauf hinweisen. Seit Universal-3 Pro im Februar 2026 kannst du jeder Datei einen Prompt und bis zu 1.000 Schlüsselbegriffe mitgeben, sodass das Modell deine Medikamentennamen oder die Nachnamen deiner Kunden kennt, bevor es sie hört. In AssemblyAIs eigenen Benchmarks senkte Universal-3 Pro die durchschnittliche Wortfehlerrate im Englischen auf 5,6% von 6,1% bei Universal-2; eine öffentliche Model Card gibt es nicht, betrachte diese Zahlen also als Herstellerangaben.
Die Preise sind niedrig und veröffentlicht. Eine Stunde aufgenommenes Audio kostet mit dem besten Modell 0,21 $; Sprecherkennzeichnung kostet 0,02 $ extra, der medizinische Modus 0,15 $. Eine HIPAA-Vereinbarung gibt es ohne Vertriebsgespräch und ohne Aufpreis, eine EU-Region kostet so viel wie die USA, und SOC 2 Type 2 und ISO 27001 sind enthalten. Streaming wird so lange berechnet, wie die Verbindung offen bleibt, auch ein untätiger Stream kostet also Geld.
Der Haken: Standardmäßig darf AssemblyAI dein Audio nach dem Schwärzen persönlicher Angaben zum Training seiner Modelle nutzen. Zahlende Kunden können das im Dashboard abschalten; kostenlose Nutzer können es nicht, und der Schalter gilt nur für neue Anfragen. Wer ein BAA unterzeichnet oder die EU-Server nutzt, schaltet das Training dauerhaft ab. Hochgeladene Aufnahmen werden innerhalb von 24 bis 48 Stunden gelöscht und Transkripte nach 30 Tagen, sofern du keine kürzere Frist festlegst.
Unser Fazit: Für die meisten Teams, die Anrufe oder Meetings transkribieren, ist AssemblyAI der Preis, den andere erst schlagen müssen, solange jemand am ersten Tag den Trainingsschalter umlegt und sensibles Audio aus der Gratisstufe heraushält.
Wo es sich lohnt
Ein Startup für Vertriebsgesprächsanalyse, das 10.000 Stunden im Monat verarbeitet
Anrufe mit Sprecherkennzeichnung zu planbaren Kosten transkribieren
Universal-3.5 Pro für 0,21 $ plus Standard-Diarisierung für 0,02 $ ergibt 0,23 $ pro Stunde, etwa 2.300 $ im Monat. Widersprich dem Training vor dem Livegang in den Data Controls; Stereoaufnahmen kosten das Doppelte, weil jeder Kanal berechnet wird.
Ein Team für klinische Dokumentation in einem Praxisverbund mit 50 Ärzten
Sprechstunden auf Englisch und Spanisch in genaue Notizen verwandeln
Medical Mode kostet 0,15 $ pro Stunde extra; mit Diarisierung kommt AssemblyAIs eigenes Beispiel auf 0,38 $ pro Stunde. Das BAA lässt sich selbst abschließen und nimmt das Konto nach der Unterzeichnung dauerhaft vom Training aus.
Ein Entwickler von Sprachagenten
Live-Transkripte schnell genug für einen Telefon-Bot bekommen
Universal-3.6 Pro Realtime für 0,45 $ pro Stunde lässt sich in LiveKit, Pipecat, Vapi und Twilio einbinden. Schließ untätige Streams schnell, denn die Abrechnung läuft, solange der Socket offen ist.
Bevor du dich festlegst
- Einrichtung
- Registrieren und 50 $ Startguthaben ohne Karte erhalten, die REST-API oder das SDK mit einer Datei-URL aufrufen und das Transkript abfragen oder per Webhook empfangen.
- Integrationen
- REST- und WebSocket-APIs; Integrationen mit LiveKit, Pipecat, Vapi und Twilio; ein LLM-Gateway zu Modellen von OpenAI, Anthropic, Google und Qwen zu aufgeführten Preisen pro Token.
- Daten und Datenschutz
- Standardmäßig Training auf Kundenaudio nach Schwärzung personenbezogener Daten; bezahlte Konten können im Dashboard widersprechen, BAA- und EU-Konten sind immer ausgenommen. Uploads werden innerhalb von 24 bis 48 Stunden gelöscht, Transkripte standardmäßig nach 30 Tagen, keine Aufbewahrung beim Streaming nach dem Widerspruch.
- Kosten im großen Maßstab
- 10.000 Stunden aufgenommene Anrufe im Monat kosten mit Universal-3.5 Pro vor Add-ons 2.100 $; die Voice Agent API für 4,50 $ pro Stunde entspricht 0,075 $ pro Minute.
- Grenzen
- 5 neue Streams pro Minute in der Gratisstufe und 100 bei Pay as you go; höhere Limits erfordern einen Enterprise-Vertrag.
Was gut ist
- Per Prompt steuerbare Modelle mit bis zu 1.000 Schlüsselbegriffen pro Datei
- 0,21 $ pro Stunde für das beste Modell für aufgenommenes Audio
- Kostenloses HIPAA-BAA ohne Vertriebsgespräch; EU-Region zu US-Preisen
- SOC 2 Type 2, ISO 27001 und DSGVO ohne Aufpreis
- 50 $ Startguthaben ohne Karte
Was nicht
- Kundenaudio wird standardmäßig zum Training genutzt
- Kostenlose Nutzer können dem Training nicht widersprechen
- Streaming wird nach offener Verbindungszeit berechnet, Stille eingeschlossen
- Genauigkeitswerte stammen von AssemblyAI selbst, ohne öffentliche Model Card
- Mehrkanal-Audio wird pro Kanal berechnet
Am besten für
Entwickler, die einer App Transkription oder Live-Untertitel hinzufügen und niedrige veröffentlichte Preise, ein kostenloses BAA und eine EU-Option wollen.
Alternativen zu AssemblyAI
AssemblyAI: häufige Fragen
- Lohnt sich AssemblyAI?
- AssemblyAI ist günstig, genau und schnell abgeschlossen, aber lies zuerst die Datenbedingungen: Kostenlose Konten helfen beim Training der Modelle und können nicht widersprechen. Wir bewerten es mit 4.4 von 5.
- Was kostet AssemblyAI?
- Aufnahmen: Universal-3.5 Pro 0,21 $/Std., Universal-2 0,15 $/Std. Streaming: Universal-3.6 Pro Realtime 0,45 $/Std., Universal-Streaming 0,15 $/Std. Voice Agent API 4,50 $/Std. Add-ons ab 0,01 $/Std.; Medical Mode +0,15 $/Std. 50 $ Startguthaben.
- Welche Nachteile hat AssemblyAI?
- Kundenaudio wird standardmäßig zum Training genutzt; Kostenlose Nutzer können dem Training nicht widersprechen; Streaming wird nach offener Verbindungszeit berechnet, Stille eingeschlossen; Genauigkeitswerte stammen von AssemblyAI selbst, ohne öffentliche Model Card; Mehrkanal-Audio wird pro Kanal berechnet.
- Für wen eignet sich AssemblyAI?
- Entwickler, die einer App Transkription oder Live-Untertitel hinzufügen und niedrige veröffentlichte Preise, ein kostenloses BAA und eine EU-Option wollen.
- Was kostet AssemblyAI für ein Team oder im Produktivbetrieb?
- 10.000 Stunden aufgenommene Anrufe im Monat kosten mit Universal-3.5 Pro vor Add-ons 2.100 $; die Voice Agent API für 4,50 $ pro Stunde entspricht 0,075 $ pro Minute.
- Ist AssemblyAI sicher für Firmendaten?
- Standardmäßig Training auf Kundenaudio nach Schwärzung personenbezogener Daten; bezahlte Konten können im Dashboard widersprechen, BAA- und EU-Konten sind immer ausgenommen. Uploads werden innerhalb von 24 bis 48 Stunden gelöscht, Transkripte standardmäßig nach 30 Tagen, keine Aufbewahrung beim Streaming nach dem Widerspruch.
- Was sind die besten Alternativen zu AssemblyAI?
- Die nächsten Alternativen, die wir getestet haben, sind ElevenLabs, Recall.ai und Vapi.
Antworten geprüft am 26. Okt. 2026.