Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

AssemblyAI-TTS-1

Le premier modèle de synthèse vocale d'AssemblyAI, pour les agents téléphoniques : 15 $ le million de caractères au forfait, 4 000 voix, six langues et pas encore de SSML.

Avis de ReviewRamble editors · Mis à jour

Visiter AssemblyAI-TTS-1 À l’usage

Partager cette page :XLinkedInFacebookRedditWhatsAppE-mail

Notre note

3.9/5

Rapide, raisonnablement tarifé et doué pour lire les numéros de téléphone, mais c'est une première version à laquelle manquent encore les réglages qu'attend une équipe vocale en production.

Qu’est-ce que AssemblyAI-TTS-1 ?

AssemblyAI-TTS-1 est le premier modèle de synthèse vocale de ce spécialiste de la transcription, sorti le 27 octobre 2026 et disponible pour tous dès son lancement. Il est conçu pour les agents vocaux en appel direct : il diffuse l'audio en streaming, renvoie des horodatages par mot et accepte un message d'annulation quand l'appelant interrompt.

La bibliothèque compte plus de 4 000 voix, et le clonage instantané crée une nouvelle voix à partir d'un court enregistrement en quelques secondes, une fois le consentement du locuteur confirmé. Il parle anglais, espagnol, français, allemand, italien et portugais, d'autres langues étant promises. Selon AssemblyAI, le modèle a été entraîné sur des millions d'heures d'audio, dont de vraies conversations, et travaille sur de l'audio continu plutôt que sur des tokens discrets.

Un prix unique couvre toutes les voix, les voix clonées, les horodatages et le traitement aux États-Unis ou dans l'UE, sans paliers de concurrence ni minimum.

Combien coûte AssemblyAI-TTS-1 ?

OffrePrixCe qui est inclus
Pay as you go$15 per 1M charactersToutes les voix, clonage, traitement aux États-Unis ou dans l'UE, concurrence illimitée
Committed volumeCustomRemises en cas d'engagement d'usage

15 $ par 1M de caractères en entrée (espaces et ponctuation comptent), voix clonées, horodatages par mot et traitement dans l'UE compris ; aucun minimum. Remises sur volume avec engagement.

AssemblyAI-TTS-1 vaut-il le coup ?

AssemblyAI-TTS-1 est tarifé pour devenir le second achat évident des équipes qui utilisent déjà AssemblyAI pour écouter. À 15 $ le million de caractères, soit environ 81 cents par heure de parole finie, il coûte nettement moins que les prix plancher de 40 $ chez ElevenLabs et de 30 $ chez Deepgram, selon le calcul d'AssemblyAI, et le tarif ne change pas pour les voix clonées, le traitement dans l'UE ou dix mille appels simultanés.

Ses points forts sont les points ingrats qui comptent au téléphone. Dans le benchmark indépendant de Cekura, il s'est classé premier pour la lecture des numéros de téléphone et des codes, à 91,7 %, et quatrième pour le naturel. Le test d'AssemblyAI lui-même situe sa précision sur les noms, nombres et dates à 93,7 %, au niveau d'ElevenLabs v4 pour un cinquième du prix. L'arène d'auditeurs d'Artificial Analysis le place 20e, avec 1 212 Elo, des débuts honorables plutôt que de premier plan.

Le hic : les chiffres de latence ne concordent pas, et la liste des fonctions est courte. AssemblyAI annonce 90 ms jusqu'au premier son en production et 47 ms lors d'un essai en laboratoire avec un seul client ; Cekura a mesuré 159 ms, huitième sur 19. Pas de SSML, pas de réglage de vitesse, pas de dictionnaire de prononciation ni de balises d'émotion, seulement six langues et pas encore de clonage professionnel affiné.

Notre avis : c'est une voix raisonnable pour un agent qui relit des numéros de commande à des appelants d'Europe de l'Ouest. Pour un livre audio ou une voix de marque qui doit jouer, les mêmes 15 $ achètent des modèles plus expressifs ailleurs dans le classement.

Là où il fait la différence

  • Une ligne de déclaration de sinistres auto qui traite 2 000 appels par jour

    Relire numéros de contrat, dates et adresses sans que l'appelant ait à redemander

    Associez TTS-1 à STT-3.7-Realtime-Agent via l'agent de référence LiveKit. À environ 81 cents par heure de parole, 1 000 heures de parole d'agent par mois coûtent environ 810 $.

  • L'équipe du centre de contact d'une banque européenne

    Garder la voix de synthèse dans l'UE pour des raisons de conformité

    Pointez le client de streaming vers l'hôte UE ; la bibliothèque de voix et le clonage y fonctionnent au même prix de 15 $ le million de caractères.

Avant de vous engager

Mise en route
Envoyez le texte en streaming par le WebSocket TTS ou appelez l'endpoint HTTP avec l'identifiant d'une voix de la bibliothèque ; pour cloner une voix, téléversez un enregistrement et confirmez le consentement, elle est prête en quelques secondes.
Intégrations
API AssemblyAI avec hôtes aux États-Unis et dans l'UE ; agents de référence pour LiveKit et Pipecat ; horodatages par mot et message d'annulation pour les interruptions.
Données et confidentialité
Aucun poids publié. La politique de données d'AssemblyAI couvre l'audio envoyé à ses API ; consultez-la avant de cloner la voix de salariés ou de clients.
Coût à grande échelle
Un million de caractères représente environ 18 heures d'audio à 15 caractères par seconde, donc 10 000 heures de parole coûtent environ 8 100 $ avant toute remise sur volume.
Limites
Anglais, espagnol, français, allemand, italien et portugais uniquement. Ni SSML, ni contrôle de vitesse, ni dictionnaire de prononciation, ni balises d'émotion, ni clonage professionnel au lancement.

Les points forts

  • 15 $ par 1M de caractères au forfait, clones et traitement dans l'UE compris
  • Premier sur les numéros de téléphone et les codes dans le benchmark de Cekura
  • Concurrence illimitée en paiement à l'usage, sans contrat
  • Horodatages par mot et annulation sur interruption pour les agents

Les points faibles

  • Ni SSML, ni contrôle de vitesse, ni dictionnaire de prononciation, ni balises d'émotion
  • Six langues au lancement
  • 20e dans l'arène d'Artificial Analysis, 1 212 Elo
  • Latence indépendante de 159 ms, loin des 47 ms du laboratoire

Idéal pour

Les équipes qui exploitent des agents vocaux téléphoniques en anglais ou dans les grandes langues d'Europe de l'Ouest, surtout celles qui utilisent déjà la transcription d'AssemblyAI.

Alternatives à AssemblyAI-TTS-1

AssemblyAI-TTS-1 : questions fréquentes

AssemblyAI-TTS-1 vaut-il le coup ?
Rapide, raisonnablement tarifé et doué pour lire les numéros de téléphone, mais c'est une première version à laquelle manquent encore les réglages qu'attend une équipe vocale en production. Nous lui donnons 3.9 sur 5.
Combien coûte AssemblyAI-TTS-1 ?
15 $ par 1M de caractères en entrée (espaces et ponctuation comptent), voix clonées, horodatages par mot et traitement dans l'UE compris ; aucun minimum. Remises sur volume avec engagement.
Quels sont les inconvénients de AssemblyAI-TTS-1 ?
Ni SSML, ni contrôle de vitesse, ni dictionnaire de prononciation, ni balises d'émotion; six langues au lancement; 20e dans l'arène d'Artificial Analysis, 1 212 Elo; latence indépendante de 159 ms, loin des 47 ms du laboratoire.
À qui s’adresse AssemblyAI-TTS-1 ?
Les équipes qui exploitent des agents vocaux téléphoniques en anglais ou dans les grandes langues d'Europe de l'Ouest, surtout celles qui utilisent déjà la transcription d'AssemblyAI.
Combien coûte AssemblyAI-TTS-1 pour une équipe ou en production ?
Un million de caractères représente environ 18 heures d'audio à 15 caractères par seconde, donc 10 000 heures de parole coûtent environ 8 100 $ avant toute remise sur volume.
AssemblyAI-TTS-1 est-il sûr pour les données de l’entreprise ?
Aucun poids publié. La politique de données d'AssemblyAI couvre l'audio envoyé à ses API ; consultez-la avant de cloner la voix de salariés ou de clients.
Quelles sont les meilleures alternatives à AssemblyAI-TTS-1 ?
Les alternatives les plus proches que nous avons testées sont Inworld Realtime TTS-2 and TTS-2 Flash, Cartesia Sonic 3.6, Eleven v4 and v4 Turbo et Speechify Simba 3.5.

Réponses vérifiées le 21 nov. 2026.