¿Qué es AssemblyAI?
AssemblyAI (Y Combinator Summer 2017) vende una API que convierte audio en texto. Envías una grabación o abres un stream en directo y recibes una transcripción, con extras opcionales como etiquetas de hablante, ocultación de datos personales (PII), traducción y un modo médico. Sus modelos actuales son Universal-3.5 Pro para grabaciones y Universal-3.6 Pro Realtime para audio en directo; desde Universal-3 Pro, en febrero de 2026, puedes guiarlos con prompts en lenguaje normal y listas de términos clave.
Los precios empiezan en 0,15 $ la hora para Universal-2 y 0,21 $ para Universal-3.5 Pro, con 50 $ de crédito gratuito y sin tarjeta. También vende una Voice Agent API a 4,50 $ la hora y un gateway de LLM. Su última ronda confirmada fue una Serie C de 50M $ liderada por Accel en diciembre de 2023, que elevó la financiación total a 115M $.
¿Cuánto cuesta AssemblyAI?
| Plan | Precio | Qué incluye |
|---|---|---|
| Free credit | $50 one-off | Sin tarjeta; 5 streams nuevos por minuto |
| Pay as you go | From $0.15/hr | 100 streams nuevos por minuto |
| Voice Agent API | $4.50/hr | Voz a texto, LLM y texto a voz en una sola tarifa |
| Enterprise | Custom |
Audio grabado: Universal-3.5 Pro 0,21 $/h, Universal-2 0,15 $/h. Streaming: Universal-3.6 Pro Realtime 0,45 $/h, Universal-Streaming 0,15 $/h. Voice Agent API 4,50 $/h. Complementos desde 0,01 $/h; Medical Mode +0,15 $/h. 50 $ de crédito gratuito.
¿Merece la pena AssemblyAI?
Las transcripciones fallan siempre en los mismos sitios: nombres de productos, nombres de personas y el momento en que dos hablantes hablan a la vez.
AssemblyAI te deja avisar al modelo de eso por adelantado. Desde Universal-3 Pro, en febrero de 2026, puedes pasar un prompt y hasta 1.000 términos clave con cada archivo, para que el modelo conozca los nombres de tus fármacos o los apellidos de tus clientes antes de oírlos. En las pruebas de la propia AssemblyAI, Universal-3 Pro redujo la tasa media de error por palabra en inglés al 5,6% desde el 6,1% de Universal-2; no hay una ficha pública del modelo, así que trata esas cifras como las del proveedor.
Los precios son bajos y públicos. Una hora de audio grabado cuesta 0,21 $ con el mejor modelo; las etiquetas de hablante añaden 0,02 $ y el modo médico 0,15 $. Un acuerdo HIPAA se consigue sin llamada comercial y sin coste extra, una región en la UE cuesta lo mismo que en EE. UU., y SOC 2 Type 2 e ISO 27001 están incluidos. El streaming se factura mientras la conexión siga abierta, así que un stream inactivo también cuesta dinero.
La pega: por defecto AssemblyAI puede usar tu audio para entrenar sus modelos, después de ocultar los datos personales. Los clientes de pago pueden desactivarlo en el panel; los usuarios gratuitos no, y el cambio solo se aplica a las peticiones nuevas. Firmar un BAA o usar los servidores de la UE desactiva el entrenamiento para siempre. Las grabaciones subidas se borran en un plazo de 24 a 48 horas y las transcripciones a los 30 días, salvo que fijes un plazo más corto.
Nuestra opinión: para la mayoría de equipos que transcriben llamadas o reuniones, AssemblyAI es el precio a batir, siempre que alguien desactive el entrenamiento el primer día y el audio sensible no pase por el nivel gratuito.
Dónde se gana su sitio
Una startup de analítica de llamadas comerciales que procesa 10.000 horas al mes
Transcribir llamadas con etiquetas de hablante a un coste previsible
Universal-3.5 Pro a 0,21 $ más la diarización estándar a 0,02 $ suman 0,23 $ la hora, unos 2.300 $ al mes. Desactiva el entrenamiento en Data Controls antes de salir a producción; las grabaciones estéreo cuestan el doble porque se factura cada canal.
Un equipo de documentación clínica en un grupo de consultas de 50 médicos
Convertir consultas en notas precisas en inglés y español
Medical Mode añade 0,15 $ la hora; con diarización, el ejemplo de la propia AssemblyAI suma 0,38 $ la hora. El BAA es autoservicio y, una vez firmado, excluye la cuenta del entrenamiento de forma permanente.
Una desarrolladora de agentes de voz
Obtener transcripciones en directo lo bastante rápidas para un bot telefónico
Universal-3.6 Pro Realtime, a 0,45 $ la hora, se conecta con LiveKit, Pipecat, Vapi y Twilio. Cierra pronto los streams inactivos, porque la facturación corre mientras el socket esté abierto.
Antes de decidirte
- Puesta en marcha
- Regístrate para obtener 50 $ de crédito gratuito sin tarjeta, llama a la API REST o al SDK con la URL de un archivo y consulta o recibe un webhook con la transcripción.
- Integraciones
- APIs REST y WebSocket; integraciones con LiveKit, Pipecat, Vapi y Twilio; un gateway de LLM a modelos de OpenAI, Anthropic, Google y Qwen a precios por token publicados.
- Datos y privacidad
- Entrenamiento con el audio de los clientes por defecto tras ocultar los datos personales; las cuentas de pago pueden excluirse en el panel, y las cuentas con BAA y de la UE están siempre excluidas. Las subidas se borran en 24 a 48 horas, las transcripciones a los 30 días por defecto, y retención cero en streaming una vez excluido.
- Coste a escala
- 10.000 horas de llamadas grabadas al mes cuestan 2.100 $ con Universal-3.5 Pro antes de complementos; la Voice Agent API a 4,50 $ la hora sale a 0,075 $ por minuto.
- Límites
- 5 streams nuevos por minuto en el nivel gratuito y 100 en pago por uso; límites más altos requieren un contrato empresarial.
Lo bueno
- Modelos que admiten prompts con hasta 1.000 términos clave por archivo
- 0,21 $ la hora por su mejor modelo para audio grabado
- BAA de HIPAA gratuito sin llamada comercial; región UE a precios de EE. UU.
- SOC 2 Type 2, ISO 27001 y GDPR sin sobrecoste
- 50 $ de crédito gratuito sin tarjeta
Lo malo
- El audio de los clientes se usa para entrenar por defecto
- Los usuarios gratuitos no pueden excluirse del entrenamiento
- El streaming se factura por el tiempo de conexión abierta, silencios incluidos
- Las cifras de precisión son de la propia AssemblyAI, sin ficha pública del modelo
- El audio multicanal se factura por canal
Ideal para
Desarrolladores que añaden transcripción o subtítulos en directo a una app y quieren precios bajos publicados, un BAA gratuito y una opción en la UE.
Alternativas a AssemblyAI
AssemblyAI: preguntas frecuentes
- ¿Merece la pena AssemblyAI?
- AssemblyAI es barato, preciso y fácil de contratar, pero lee antes las condiciones de datos: las cuentas gratuitas ayudan a entrenar sus modelos y no pueden negarse. Le damos un 4.4 sobre 5.
- ¿Cuánto cuesta AssemblyAI?
- Audio grabado: Universal-3.5 Pro 0,21 $/h, Universal-2 0,15 $/h. Streaming: Universal-3.6 Pro Realtime 0,45 $/h, Universal-Streaming 0,15 $/h. Voice Agent API 4,50 $/h. Complementos desde 0,01 $/h; Medical Mode +0,15 $/h. 50 $ de crédito gratuito.
- ¿Qué inconvenientes tiene AssemblyAI?
- El audio de los clientes se usa para entrenar por defecto; los usuarios gratuitos no pueden excluirse del entrenamiento; el streaming se factura por el tiempo de conexión abierta, silencios incluidos; las cifras de precisión son de la propia AssemblyAI, sin ficha pública del modelo; el audio multicanal se factura por canal.
- ¿Para quién es AssemblyAI?
- Desarrolladores que añaden transcripción o subtítulos en directo a una app y quieren precios bajos publicados, un BAA gratuito y una opción en la UE.
- ¿Cuánto cuesta AssemblyAI para un equipo o en producción?
- 10.000 horas de llamadas grabadas al mes cuestan 2.100 $ con Universal-3.5 Pro antes de complementos; la Voice Agent API a 4,50 $ la hora sale a 0,075 $ por minuto.
- ¿Es AssemblyAI seguro para los datos de la empresa?
- Entrenamiento con el audio de los clientes por defecto tras ocultar los datos personales; las cuentas de pago pueden excluirse en el panel, y las cuentas con BAA y de la UE están siempre excluidas. Las subidas se borran en 24 a 48 horas, las transcripciones a los 30 días por defecto, y retención cero en streaming una vez excluido.
- ¿Cuáles son las mejores alternativas a AssemblyAI?
- Las alternativas más cercanas que hemos analizado son ElevenLabs, Recall.ai y Vapi.
Respuestas comprobadas el 26 oct 2026.