Qu’est-ce que AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) ?
AssemblyAI-STT-3.7 est une famille de trois modèles de transcription annoncée le 18 novembre 2026. STT-3.7 traite l'audio enregistré ; STT-3.7-Realtime vise les réunions, appels et sous-titres en direct, avec l'identification des locuteurs dans le flux ; et STT-3.7-Realtime-Agent est réglé pour les agents vocaux : il écoute la personne qui parle au bot et décide quand son tour de parole est terminé.
Les trois couvrent 32 langues, contre 18 auparavant, avec détection automatique et changement de langue en cours de conversation. Pour l'audio enregistré, l'ajout de l'ancien modèle Universal-2 porte la couverture à 99 langues. On peut orienter le vocabulaire avec des termes clés et, sur les modèles temps réel, avec un prompt de 400 caractères.
La famille remplace Universal-3.5 Pro et les modèles Universal-Streaming. Les endpoints et les formats de message ne changent pas, mais deux réglages par défaut s'inversent : les mots de remplissage sont désormais conservés et la mise en forme du texte est activée.
Combien coûte AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| STT-3.7 | $0.21 an hour | Audio enregistré, 32 langues, repli sur Universal-2 jusqu'à 99 |
| STT-3.7-Realtime | $0.30 an hour | Réunions, appels et sous-titres en direct, avec identification des locuteurs en temps réel |
| STT-3.7-Realtime-Agent | $0.45 an hour | Agents vocaux, avec détection de fin de tour |
STT-3.7 à 0,21 $ de l'heure ; STT-3.7-Realtime à 0,30 $ de l'heure ; STT-3.7-Realtime-Agent à 0,45 $ de l'heure. L'identification des locuteurs ajoute 0,02 $ de l'heure sur l'audio enregistré. Universal-2 reste à 0,15 $ de l'heure ; 50 $ de crédit offert.
AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) vaut-il le coup ?
AssemblyAI a construit cette version autour de l'appel téléphonique, et cela se voit. Sur son propre corpus de 12 460 appels d'agents vocaux, face à 26 modèles de streaming, STT-3.7-Realtime-Agent a commis 4,53 % d'erreurs de mots, contre 6,02 % pour le nouveau v6 de Soniox, et a fait passer les erreurs sur les nombres de 11,28 % à 2,27 % par rapport à son prédécesseur. La transcription finale arrive 86 millisecondes après que l'appelant a cessé de parler. Le classement indépendant Voice Arena le place aussi en tête pour le streaming en anglais américain, avec 2,45 % d'erreur sémantique.
Sur l'audio enregistré, la course est plus serrée. Artificial Analysis mesure STT-3.7 à 2,5 % de taux d'erreur de mots, 12e de son classement, derrière ElevenLabs Scribe v3 à 1,9 %. AssemblyAI mène en revanche sur l'identification des locuteurs : 10,7 % d'erreur de diarisation sur six corpus de conversations en anglais, contre 12,0 % pour ElevenLabs, aucun autre fournisseur testé ne descendant sous 15 %. Ce sont les chiffres d'AssemblyAI, mesurés entre août et novembre.
Le hic : les réglages par défaut changent sans prévenir. Les mots de remplissage et la mise en forme sont désormais activés par défaut, donc le code en aval qui attend un texte propre et sans ponctuation doit être vérifié, et l'audio enregistré hors des 32 langues ne bascule plus automatiquement sur un autre modèle si vous n'indiquez pas Universal-2. Universal-3.5 Pro Realtime sera retiré le 1er février 2027.
Notre avis : pour un agent vocal, 0,45 $ de l'heure achète le modèle le mieux étayé sur des appels bruyants et chargés de chiffres. Pour une archive de transcriptions, le modèle par lots à 0,21 $ est un choix par défaut solide, mais ceux qui visent le taux d'erreur le plus bas trouveront deux ou trois concurrents devant lui.
Là où il fait la différence
La ligne automatisée de renouvellement d'ordonnances d'une chaîne de pharmacies
Saisir du premier coup numéros d'ordonnance et dates de naissance
Envoyez les appels en streaming vers assemblyai-stt-3-7-realtime-agent avec des termes clés pour les noms de médicaments. AssemblyAI annonce 80 % d'erreurs en moins sur les nombres par rapport au modèle précédent ; 10 000 heures d'appels coûtent environ 4 500 $.
Une start-up d'analyse commerciale
Identifier qui a dit quoi dans des appels de découverte enregistrés en anglais, espagnol et allemand
STT-3.7 par lots avec identification des locuteurs à 0,23 $ de l'heure (0,21 $ plus 0,02 $ de diarisation) ; les appels multilingues sont traités sans choisir de langue au préalable.
Avant de vous engager
- Mise en route
- Réglez speech_models sur ["assemblyai-stt-3-7"] sur l'endpoint de transcription existant, ou connectez le socket de streaming avec assemblyai-stt-3-7-realtime ou -realtime-agent. Aucun changement de protocole.
- Intégrations
- API REST et de streaming et SDK d'AssemblyAI ; agents de référence pour LiveKit et Pipecat ; associé à AssemblyAI-TTS-1, un tour complet prend environ 250 ms dans les tests d'AssemblyAI.
- Données et confidentialité
- La politique de données d'AssemblyAI prévoit l'entraînement sur l'audio des clients par défaut, après suppression des données personnelles ; les comptes payants peuvent s'y opposer, et les comptes BAA et UE en sont toujours exclus. Aucun poids publié.
- Coût à grande échelle
- 100 000 heures d'audio enregistré coûtent environ 21 000 $ ; le même volume sur le modèle Agent, 45 000 $. Le streaming est facturé pendant toute la durée d'ouverture du socket, temps d'inactivité compris.
- Limites
- 32 langues natives ; les autres exigent Universal-2. Le modèle Realtime ne détecte pas les tours de parole (utilisez le modèle Agent). Universal-3.5 Pro Realtime est retiré le 1er février 2027.
Les points forts
- 4,53 % d'erreur sur 12 460 appels d'agents, le plus bas de 26 modèles de streaming dans le test d'AssemblyAI
- Texte final 86 ms après la fin de la parole sur le modèle Agent
- 10,7 % d'erreur de diarisation sur l'audio enregistré, devant ElevenLabs
- 32 langues avec alternance de langues ; 99 avec Universal-2
Les points faibles
- 2,5 % chez Artificial Analysis, 12e et derrière Scribe v3
- La plupart des comparaisons viennent d'AssemblyAI
- Les nouveaux réglages par défaut peuvent casser les parseurs écrits pour Universal-3.5 Pro
- Le modèle Agent coûte plus du double du tarif par lots
Idéal pour
Les équipes qui construisent des agents vocaux téléphoniques ou web et ont besoin de chiffres, de noms et de tours de parole fiables, et les équipes d'analyse d'appels pour qui savoir qui a dit quoi compte le plus.
Alternatives à AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent)
AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) : questions fréquentes
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) vaut-il le coup ?
- C'est avec le modèle pour agents vocaux qu'AssemblyAI justifie sa place ; sur l'audio enregistré classique, il est bon, bon marché et n'est plus tout à fait le meilleur. Nous lui donnons 4.4 sur 5.
- Combien coûte AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) ?
- STT-3.7 à 0,21 $ de l'heure ; STT-3.7-Realtime à 0,30 $ de l'heure ; STT-3.7-Realtime-Agent à 0,45 $ de l'heure. L'identification des locuteurs ajoute 0,02 $ de l'heure sur l'audio enregistré. Universal-2 reste à 0,15 $ de l'heure ; 50 $ de crédit offert.
- Quels sont les inconvénients de AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) ?
- 2,5 % chez Artificial Analysis, 12e et derrière Scribe v3; la plupart des comparaisons viennent d'AssemblyAI; les nouveaux réglages par défaut peuvent casser les parseurs écrits pour Universal-3.5 Pro; le modèle Agent coûte plus du double du tarif par lots.
- À qui s’adresse AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) ?
- Les équipes qui construisent des agents vocaux téléphoniques ou web et ont besoin de chiffres, de noms et de tours de parole fiables, et les équipes d'analyse d'appels pour qui savoir qui a dit quoi compte le plus.
- Combien coûte AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) pour une équipe ou en production ?
- 100 000 heures d'audio enregistré coûtent environ 21 000 $ ; le même volume sur le modèle Agent, 45 000 $. Le streaming est facturé pendant toute la durée d'ouverture du socket, temps d'inactivité compris.
- AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) est-il sûr pour les données de l’entreprise ?
- La politique de données d'AssemblyAI prévoit l'entraînement sur l'audio des clients par défaut, après suppression des données personnelles ; les comptes payants peuvent s'y opposer, et les comptes BAA et UE en sont toujours exclus. Aucun poids publié.
- Quelles sont les meilleures alternatives à AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent) ?
- Les alternatives les plus proches que nous avons testées sont ElevenLabs Scribe v3 and Scribe v3 Live, Soniox STT v6 (stt-rt-v6 and stt-async-v6), Deepgram Nova-3 et Voxtral 3 (Transcribe and TTS).
Réponses vérifiées le 21 nov. 2026.