本文へスキップ
ReviewRamble

週刊ブリーフ

AIのレビューを、あなたの受信箱に。

  • ツール、モデル、MCPサーバー、リポジトリの新しいレビュー(結論を最初に)
  • 変更があったときに再確認した価格と評価
  • 公開された新しい分析記事

モデル、エージェント、MCPサーバー、そして本当に時間をかける価値のあるツール。

週に1通です。配信停止は各メールのリンクからできます。 メールアドレスの利用について

AssemblyAI-TTS-1

AssemblyAI初の音声合成モデルで、電話エージェント向けです。100万文字あたり一律$15、4,000種類の声、6言語に対応し、SSMLはまだありません。

レビュー: ReviewRamble editors · 更新

AssemblyAI-TTS-1を見る 従量課金

このページを共有:XLinkedInFacebookRedditWhatsAppメール

当サイトの評価

3.9/5

速く、料金も妥当で、電話番号の読み上げが得意です。ただし初版のため、本番運用の音声チームが求める制御機能はまだそろっていません。

AssemblyAI-TTS-1とは?

AssemblyAI-TTS-1は、文字起こしを手がける同社初のテキスト読み上げモデルで、2026年10月27日に公開され、当初から一般提供されています。ライブ通話の音声エージェント向けに作られており、音声をストリーミングし、単語ごとのタイムスタンプを返し、通話相手が割り込んだときにはキャンセルメッセージを受け付けます。

ライブラリには4,000種類を超える声があり、インスタントクローンでは話者の同意を確認すると、短い録音から数秒で新しい声を作れます。対応言語は英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語で、今後増える予定です。AssemblyAIによると、モデルは実際の会話を含む数百万時間の音声で学習しており、離散トークンではなく連続した音声を扱います。

すべての声、クローンした声、タイムスタンプ、米国またはEUでの処理が1つの料金に含まれ、同時接続数による段階や最低利用額はありません。

AssemblyAI-TTS-1の料金は?

プラン価格内容
Pay as you go$15 per 1M charactersすべての声、クローン、米国またはEUでの処理、同時接続数無制限
Committed volumeCustom利用量の確約による割引

入力100万(1M)文字あたり$15(スペースと句読点も数えます)。クローン音声、単語タイムスタンプ、EUでの処理を含み、最低利用額はありません。利用量を確約すると割引があります。

AssemblyAI-TTS-1は使う価値があるか?

AssemblyAI-TTS-1は、すでにAssemblyAIを「聞く」用途で使っているチームが気軽に追加できる料金設定です。100万文字あたり$15、完成した音声1時間あたり約81セントで、AssemblyAIの見立てではElevenLabsの最低$40、Deepgramの最低$30を大きく下回ります。クローン音声でも、EUでの処理でも、1万件の同時通話でも料金は変わりません。

強みは地味ですが、通話では重要な点です。Cekuraの独立ベンチマークでは電話番号やコードの読み上げで91.7%を記録して1位、自然さでは4位でした。AssemblyAI自身のテストでは、名前、数字、日付の正確さが93.7%で、5分の1の料金でElevenLabs v4と並びます。Artificial Analysisのリスナーアリーナでは1,212 Eloで20位と、首位争いではないものの手堅いデビューです。

注意点:レイテンシの数字が食い違い、機能も多くありません。AssemblyAIは本番環境で最初の音声まで90 ms、単一クライアントのラボ計測で47 msとしていますが、Cekuraの計測では159 msで19モデル中8位でした。SSML、速度設定、発音辞書、感情タグはなく、言語は6つだけで、ファインチューニングによるプロ向けクローンもまだありません。

結論:西欧の通話相手に注文番号を読み上げるエージェントには手堅い声です。演技が求められるオーディオブックやブランドボイスなら、同じ$15でランキング上のより表現力の高いモデルが使えます。

真価を発揮する場面

  • 1日2,000件の電話を受ける自動車保険の事故受付窓口

    証券番号、日付、住所を、相手に聞き返されずに読み上げる

    LiveKitのリファレンスエージェントでTTS-1とSTT-3.7-Realtime-Agentを組み合わせます。音声1時間あたり約81セントなので、エージェントの発話が月1,000時間なら約$810です。

  • 欧州の銀行のコンタクトセンターチーム

    コンプライアンスのため合成音声をEU内にとどめる

    ストリーミングクライアントの接続先をEUホストにします。声のライブラリもクローンも、そこで同じ100万文字あたり$15で使えます。

導入前に確認すること

導入
TTSのWebSocketでテキストをストリーミングするか、ライブラリの声のIDを指定してHTTPエンドポイントを呼び出します。声をクローンするには録音をアップロードして同意を確認すれば、数秒で使えるようになります。
連携
米国とEUのホストを持つAssemblyAI API、LiveKitとPipecat向けのリファレンスエージェント、単語タイムスタンプと割り込み用のキャンセルメッセージ。
データとプライバシー
重みは公開されていません。AssemblyAIのデータポリシーはAPIに送られる音声に適用されます。社員や顧客の声をクローンする前に確認してください。
大規模利用時のコスト
1秒15文字で換算すると100万文字は約18時間の音声なので、10,000時間分の音声は割引前で約$8,100です。
制限
英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語のみ。リリース時点ではSSML、速度調整、発音辞書、感情タグ、プロ向けクローンはありません。

良い点

  • 1M文字あたり一律$15、クローンとEU処理込み
  • Cekuraのベンチマークで電話番号とコードの読み上げ1位
  • 従量課金で同時接続数無制限、契約不要
  • エージェント向けの単語タイムスタンプと割り込みキャンセル

気になる点

  • SSML、速度調整、発音辞書、感情タグがない
  • リリース時点で6言語のみ
  • Artificial Analysisのアリーナで20位、Elo 1,212
  • 独立計測のレイテンシは159 msで、ラボ値の47 msとかけ離れている

おすすめの人

英語や西欧の主要言語で電話の音声エージェントを運用するチーム、特にすでにAssemblyAIの音声認識を使っているチーム。

AssemblyAI-TTS-1の代替

AssemblyAI-TTS-1:よくある質問

AssemblyAI-TTS-1は使う価値があるか?
速く、料金も妥当で、電話番号の読み上げが得意です。ただし初版のため、本番運用の音声チームが求める制御機能はまだそろっていません。 評価は5点満点中3.9点です。
AssemblyAI-TTS-1の料金は?
入力100万(1M)文字あたり$15(スペースと句読点も数えます)。クローン音声、単語タイムスタンプ、EUでの処理を含み、最低利用額はありません。利用量を確約すると割引があります。
AssemblyAI-TTS-1の欠点は?
SSML、速度調整、発音辞書、感情タグがない; リリース時点で6言語のみ; Artificial Analysisのアリーナで20位、Elo 1,212; 独立計測のレイテンシは159 msで、ラボ値の47 msとかけ離れている.
AssemblyAI-TTS-1は誰に向いているか?
英語や西欧の主要言語で電話の音声エージェントを運用するチーム、特にすでにAssemblyAIの音声認識を使っているチーム。
チームや本番環境でAssemblyAI-TTS-1を使うと費用はいくらか?
1秒15文字で換算すると100万文字は約18時間の音声なので、10,000時間分の音声は割引前で約$8,100です。
AssemblyAI-TTS-1は企業データを扱っても安全か?
重みは公開されていません。AssemblyAIのデータポリシーはAPIに送られる音声に適用されます。社員や顧客の声をクローンする前に確認してください。
AssemblyAI-TTS-1の代わりになるものは?
当サイトでレビューした中で最も近い代替はInworld Realtime TTS-2 and TTS-2 Flash, Cartesia Sonic 3.6, Eleven v4 and v4 Turbo 、 Speechify Simba 3.5です。

回答確認日:2026年11月21日