AssemblyAI 将 Universal-3.5 Pro Realtime 与 Agora 集成以构建语音代理

AssemblyAI 发布了一份指南，详细介绍了如何将其 Universal-3.5 Pro Realtime 语音转文本模型与 Agora 的实时音频传输平台集成。此次集成允许开发人员在不修改客户端代码的情况下，为 Agora 通话添加低延迟、区分说话人的转录功能。该过程涉及一个 Python 服务器机器人，该机器人加入 Agora 频道，捕获原始音频，并将其流式传输到 AssemblyAI 的 WebSocket 端点进行转录。据报道，AssemblyAI 的模型在真实语音代理对话中实现了 6.99% 的词错误率 (WER)，在基准测试中优于 Deepgram Flux、ElevenLabs Scribe v2 和 Google Chirp3 等竞争对手。 AI

影响 使开发人员能够轻松地将先进的语音转文本功能添加到实时通信平台。

排序理由 博客文章，详细介绍了现有产品的集成，而非新产品或模型发布。

在 AssemblyAI blog 阅读 →

• AssemblyAI
• Deepgram Flux
• ElevenLabs Scribe v2
• Google Chirp3
• Pipecat
• Python
• Universal-3.5 Pro Realtime

• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →