O que é AssemblyAI?
A AssemblyAI (Y Combinator Summer 2017) vende uma API que transforma áudio em texto. Você envia uma gravação ou abre um stream ao vivo e recebe uma transcrição, com extras opcionais como identificação de locutores, ocultação de dados pessoais (PII), tradução e um modo médico. Os modelos atuais são o Universal-3.5 Pro para gravações e o Universal-3.6 Pro Realtime para áudio ao vivo; desde o Universal-3 Pro, em fevereiro de 2026, é possível orientá-los com prompts em linguagem simples e listas de termos-chave.
Os preços começam em US$ 0,15 por hora para o Universal-2 e US$ 0,21 para o Universal-3.5 Pro, com US$ 50 de crédito gratuito e sem exigir cartão. A empresa também vende uma Voice Agent API a US$ 4,50 por hora e um gateway de LLMs. A última rodada confirmada foi uma Série C de US$ 50 milhões liderada pela Accel em dezembro de 2023, elevando o financiamento total a US$ 115 milhões.
Quanto custa AssemblyAI?
| Plano | Preço | O que inclui |
|---|---|---|
| Free credit | $50 one-off | Sem cartão; 5 novos streams por minuto |
| Pay as you go | From $0.15/hr | 100 novos streams por minuto |
| Voice Agent API | $4.50/hr | Fala para texto, LLM e texto para fala em uma só tarifa |
| Enterprise | Custom |
Áudio gravado: Universal-3.5 Pro US$ 0,21/h, Universal-2 US$ 0,15/h. Streaming: Universal-3.6 Pro Realtime US$ 0,45/h, Universal-Streaming US$ 0,15/h. Voice Agent API US$ 4,50/h. Complementos a partir de US$ 0,01/h; Medical Mode +US$ 0,15/h. US$ 50 de crédito gratuito.
AssemblyAI vale a pena?
As transcrições erram sempre nos mesmos lugares: nomes de produtos, nomes de pessoas e o momento em que duas pessoas falam ao mesmo tempo.
A AssemblyAI permite avisar o modelo sobre isso de antemão. Desde o Universal-3 Pro, em fevereiro de 2026, você pode passar um prompt e até 1.000 termos-chave com cada arquivo, para que o modelo conheça os nomes dos seus medicamentos ou os sobrenomes dos seus clientes antes de ouvi-los. Nos benchmarks da própria AssemblyAI, o Universal-3 Pro reduziu a taxa média de erro de palavras em inglês para 5,6%, contra 6,1% do Universal-2; não há model card público, então trate esses números como sendo do fornecedor.
Os preços são baixos e publicados. Uma hora de áudio gravado custa US$ 0,21 no melhor modelo; a identificação de locutores acrescenta US$ 0,02 e o modo médico US$ 0,15. Um acordo HIPAA vem sem reunião de vendas e sem custo extra, uma região na UE custa o mesmo que nos EUA, e SOC 2 Type 2 e ISO 27001 estão incluídos. O streaming é cobrado enquanto a conexão permanece aberta, então um stream ocioso continua custando dinheiro.
O porém: por padrão a AssemblyAI pode usar o seu áudio para treinar os modelos, depois de ocultar dados pessoais. Clientes pagantes podem desativar isso no painel; usuários gratuitos não podem, e a opção só vale para novas requisições. Assinar um BAA ou usar os servidores na UE desativa o treinamento de forma permanente. Os uploads de gravações são excluídos em 24 a 48 horas e as transcrições após 30 dias, a menos que você defina um prazo menor.
Nossa opinião: para a maioria das equipes que transcrevem chamadas ou reuniões, a AssemblyAI é o preço a ser batido, desde que alguém desative o treinamento no primeiro dia e mantenha áudios sensíveis fora do nível gratuito.
Onde ele se destaca
Uma startup de análise de chamadas de vendas que processa 10.000 horas por mês
Transcrever chamadas com identificação de locutores a um custo previsível
O Universal-3.5 Pro a US$ 0,21 mais a diarização padrão a US$ 0,02 dá US$ 0,23 por hora, cerca de US$ 2.300 por mês. Recuse o treinamento em Data Controls antes de entrar em produção; gravações estéreo custam o dobro porque cada canal é cobrado.
Uma equipe de documentação clínica em um grupo com 50 médicos
Transformar consultas em anotações precisas em inglês e espanhol
O Medical Mode acrescenta US$ 0,15 por hora; com diarização, o próprio exemplo da AssemblyAI soma US$ 0,38 por hora. O BAA é self-service e, uma vez assinado, retira a conta do treinamento de forma permanente.
Um desenvolvedor de agentes de voz
Obter transcrições ao vivo rápidas o bastante para um bot telefônico
O Universal-3.6 Pro Realtime, a US$ 0,45 por hora, se conecta ao LiveKit, Pipecat, Vapi e Twilio. Feche rapidamente os streams ociosos, porque a cobrança corre enquanto o socket estiver aberto.
Antes de decidir
- Configuração
- Cadastre-se para receber US$ 50 de crédito gratuito sem cartão, chame a API REST ou o SDK com a URL de um arquivo e consulte o status ou receba um webhook com a transcrição.
- Integrações
- APIs REST e WebSocket; integrações com LiveKit, Pipecat, Vapi e Twilio; um gateway de LLMs para modelos da OpenAI, Anthropic, Google e Qwen a preços por token publicados.
- Dados e privacidade
- Treinamento com o áudio dos clientes por padrão após a ocultação de PII; contas pagas podem recusar no painel, contas com BAA e na UE ficam sempre fora. Uploads excluídos em 24 a 48 horas, transcrições após 30 dias por padrão, retenção zero para streaming depois da recusa.
- Custo em escala
- 10.000 horas de chamadas gravadas por mês custam US$ 2.100 no Universal-3.5 Pro antes dos complementos; a Voice Agent API, a US$ 4,50 por hora, sai a US$ 0,075 por minuto.
- Limites
- 5 novos streams por minuto no nível gratuito e 100 no pagamento por uso; limites maiores exigem um contrato enterprise.
O que é bom
- Modelos ajustáveis por prompt com até 1.000 termos-chave por arquivo
- US$ 0,21 por hora pelo melhor modelo de áudio gravado
- BAA HIPAA gratuito sem reunião de vendas; região na UE a preços dos EUA
- SOC 2 Type 2, ISO 27001 e GDPR sem custo adicional
- US$ 50 de crédito gratuito sem cartão
O que não é
- O áudio dos clientes é usado para treinamento por padrão
- Usuários gratuitos não podem recusar o treinamento
- O streaming é cobrado pelo tempo de conexão aberta, incluindo silêncio
- Os números de precisão são da própria AssemblyAI, sem model card público
- Áudio multicanal é cobrado por canal
Ideal para
Desenvolvedores que adicionam transcrição ou legendas ao vivo a um app e querem preços baixos publicados, um BAA gratuito e uma opção na UE.
Alternativas ao AssemblyAI
AssemblyAI: perguntas frequentes
- AssemblyAI vale a pena?
- A AssemblyAI é barata, precisa e fácil de contratar, mas leia antes os termos de dados: contas gratuitas ajudam a treinar os modelos dela e não podem recusar. Damos nota 4.4 de 5.
- Quanto custa AssemblyAI?
- Áudio gravado: Universal-3.5 Pro US$ 0,21/h, Universal-2 US$ 0,15/h. Streaming: Universal-3.6 Pro Realtime US$ 0,45/h, Universal-Streaming US$ 0,15/h. Voice Agent API US$ 4,50/h. Complementos a partir de US$ 0,01/h; Medical Mode +US$ 0,15/h. US$ 50 de crédito gratuito.
- Quais são as desvantagens de AssemblyAI?
- O áudio dos clientes é usado para treinamento por padrão; usuários gratuitos não podem recusar o treinamento; o streaming é cobrado pelo tempo de conexão aberta, incluindo silêncio; os números de precisão são da própria AssemblyAI, sem model card público; áudio multicanal é cobrado por canal.
- Para quem AssemblyAI é indicado?
- Desenvolvedores que adicionam transcrição ou legendas ao vivo a um app e querem preços baixos publicados, um BAA gratuito e uma opção na UE.
- Quanto custa AssemblyAI para uma equipe ou em produção?
- 10.000 horas de chamadas gravadas por mês custam US$ 2.100 no Universal-3.5 Pro antes dos complementos; a Voice Agent API, a US$ 4,50 por hora, sai a US$ 0,075 por minuto.
- AssemblyAI é seguro para dados da empresa?
- Treinamento com o áudio dos clientes por padrão após a ocultação de PII; contas pagas podem recusar no painel, contas com BAA e na UE ficam sempre fora. Uploads excluídos em 24 a 48 horas, transcrições após 30 dias por padrão, retenção zero para streaming depois da recusa.
- Quais são as melhores alternativas ao AssemblyAI?
- As alternativas mais próximas que analisamos são ElevenLabs, Recall.ai e Vapi.
Respostas verificadas em 26 de out. de 2026.