Universal-3.5 Pro Realtime
PulseAugur coverage of Universal-3.5 Pro Realtime — every cluster mentioning Universal-3.5 Pro Realtime across labs, papers, and developer communities, ranked by signal.
- 2026-09-08 product_launch AssemblyAI launched Universal-3.5 Pro Realtime, a new transcription model that handles code-switching between 18 languages in real-time. 来源
- 2026-07-24 research_milestone AssemblyAI's Universal-3.5 Pro Realtime model achieved human parity in both accuracy and speed on Coval's STT leaderboard. 来源
- 2026-07-15 product_launch AssemblyAI released its Universal-3.5 Pro Realtime model, highlighting it as a top choice for real-time speech recognition. 来源
- 2026-07-08 product_launch AssemblyAI introduces conversation context feature for its Universal-3.5 Pro Realtime speech-to-text model to enhance voice agent accuracy. 来源
- 2026-07-01 product_launch AssemblyAI launched its Universal-3.5 Pro Realtime model with new contextual awareness features. 来源
3 天有情绪数据
-
AssemblyAI教程展示如何构建客户支持AI语音助手
AssemblyAI发布了一个教程，详细介绍了如何构建一个能够查询订单和验证账户的客户支持语音助手。该助手利用了AssemblyAI的Voice Agent API，该API将语音转文本、LLM和文本转语音功能整合到一个WebSocket连接中。该教程解决了此类助手中常见的故障点，特别是识别字母数字数据的实体准确性以及在后端系统查询期间处理静默时间，并为两者提供了解决方案。
-
AssemblyAI 指导使用 Twilio 和先进的流式模型创建语音代理
AssemblyAI 发布了一份指南，详细介绍了如何使用其 Universal-3 Pro Streaming 和 Universal-3.5 Pro Realtime 模型，并结合 Twilio 的通信平台来构建语音代理。该指南提供了两种途径：一种是用于快速部署的托管 SIP 电话选项，另一种是用于更大程度控制的更具可定制性的桥接方法。与竞争对手相比，AssemblyAI 的模型在原生处理 8kHz 电话音频以及在转录电话号码和姓名…
-
AssemblyAI、LiveKit 讨论真实世界语音代理的挑战
AssemblyAI 和 LiveKit 最近在纽约举办了一次聚会，重点讨论了构建真实世界语音代理所面临的挑战。来自创始人社交平台 Boardy 和骨科护理 AI 平台 Flagler Health 的小组成员分享了他们的经验。尽管两家公司服务的用户群体和用例截然不同，但都遇到了类似的生产难题，突显了信任、轮流发言、延迟以及人类互动不可预测性等问题。
-
AssemblyAI 详解会议平台语音 AI 的选择
AssemblyAI 的博客文章详细介绍了虚拟会议平台应如何选择其语音 AI 层，并强调该决定不再是*是否*使用 AI，而是*选择哪种* AI。文章指出，词错误率等标准准确性指标不足够，专有名词识别（遗漏实体率）对于实际可用性至关重要。AssemblyAI 建议为语音模型提供上下文，例如日历邀请者和账户名称，可以显著提高性能，尤其是在处理姓名和技术术语时。此外，文章还强调了准确的说话人分离的重要性，尤其是在复杂的多方通话中，并解释了其…
-
AssemblyAI 为实时语码转换的多语种发言者推出实时转录
AssemblyAI 推出了 Universal-3.5 Pro Realtime，这是一款能够处理在句子中进行语码转换的多语种发言者的新转录模型。与使用单独的语言检测和路由的传统系统不同，该模型在一次前向传递中处理 18 种语言，从而降低了混合语言对话的延迟并提高了准确性。这一进步对于双语客户电话和语言频繁混合的国际会议等场景特别有益。
-
AssemblyAI 推出 Voice Agent API，提供灵活的集成选项
AssemblyAI 推出了其 Voice Agent API，为语音 AI 堆栈提供了两条集成路径。第一条路径 Voice Agent API 是一个完全托管的服务，负责语音转文本、LLM 路由和文本转语音。第二条路径 Universal-3.5 Pro Realtime 允许开发人员将 AssemblyAI 的 STT 模型集成到他们现有的基础设施中，保留他们当前的 LLM、TTS 和编排逻辑。这种方法旨在提高姓名和数字等关键数据…
-
AssemblyAI 详解 Universal-3.5 Pro 语音转文本准确性，强调实体识别
AssemblyAI 发布了其 Universal-3.5 Pro 和 Universal-3.5 Pro Realtime 语音转文本模型的新基准数据，报告的归一化词错误率 (WER) 分别为 4.35% 和 5.53%。该公司强调，WER 本身不足以作为比较供应商的指标，并强调了连接最小置换词错误率 (cpWER) 和漏识别实体率 (MER) 等指标在对话应用中的重要性。AssemblyAI 的数据显示，与其他模型在 Pipeca…
-
AssemblyAI 详解实时音频实体提取准确性
AssemblyAI 详细介绍了其对实时音频的实体提取能力，强调了以高准确率捕获电话号码和电子邮件地址等关键信息的挑战。该公司强调，传统的词错误率可能具有误导性，而特定的实体错误率是评估性能的更好指标。其 Universal-3.5 Pro Realtime 模型直接处理音频流，格式化 '@' 和 '.com' 等实体，并通过提供代理上下文来提高准确性。
-
AssemblyAI教程展示了如何使用Universal-3.5 Pro Realtime构建语音电商助手
AssemblyAI发布了一个教程，详细介绍了如何使用其Voice Agent API和Universal-3.5 Pro Realtime模型构建一个语音驱动的电商购物助手。该助手可以通过语音命令处理产品搜索、管理购物车、跟踪订单和完成结账。教程强调了实体准确性在语音商务中的重要性，并重点介绍了Universal-3.5 Pro Realtime在Pipecat基准测试中处理真实世界代理对话（包括多语言支持和句子中代码切换）方面的表现。
-
AssemblyAI推出语音代理API，简化对话式AI开发
AssemblyAI推出了一款新的语音代理API，通过将语音识别、大语言模型查询和语音合成集成到单个WebSocket连接中，简化了对话式AI应用程序的创建。这项托管服务提供了诸如轮次检测、中断处理和工具调用等功能，旨在实现低延迟和成本效益，优于集成独立服务。或者，开发人员可以选择AssemblyAI的流式语音识别API来构建自己的自定义编排层，从而对每个组件拥有更大的控制权。
-
AssemblyAI 使用 Universal-3.5 Pro Realtime 实现 Python 实时转录
AssemblyAI 发布了一份指南，介绍如何使用其 Universal-3.5 Pro Realtime 模型和 Python 实现实时语音转文本转录。该过程涉及通过 WebSocket 连接发送小的音频块，在 300 毫秒内接收转录文本，从而为语音助手和实时字幕等应用程序提供即时响应。该教程涵盖了设置 Python 环境、安装必要的库，并提供了连续音频处理和轮次检测的代码示例。
-
AssemblyAI 指导使用 STT-LLM-TTS 架构构建实时语音代理
AssemblyAI 正在详细介绍如何使用连接语音识别 (STT)、大型语言模型 (LLM) 和文本转语音 (TTS) 组件的链式架构来构建实时语音代理。该公司强调低延迟流式管道的重要性，并就集成其 Universal 3.5 Pro Realtime STT 模型提供了具体指导。文章还探讨了 Vapi、Pipecat 和 LiveKit 等不同的编排平台，并讨论了从 Retell 和 Super 等公司吸取的关于生产级语音代理需求的…
-
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…
-
AssemblyAI 通过上下文携带增强语音代理转录
AssemblyAI 推出了名为 Agent Context Carryover 的新功能，旨在提高语音代理转录的准确性。此功能允许语音转文本模型保持对正在进行的对话的感知，包括代理之前的回复和用户的先前输入。通过一个设置启用此上下文感知，AssemblyAI 旨在消除对手动关键词列表或自定义词汇表的需求，从而简化语音代理的开发过程。该公司通过为虚构餐厅 Le Périgord Fusion 构建语音代理来展示此功能，该餐厅的菜单包含…
-
AssemblyAI 详细介绍语音转文本服务超越每小时费率的真实成本
AssemblyAI 发布了一份指南，旨在帮助理解语音转文本（STT）服务的真实成本，超越简单的每小时费率。该公司强调，有效成本，包括准确性、返工和工程时间，比标示价格是更关键的指标。AssemblyAI 强调了按秒计费且无舍入或最低费用的重要性，并将其与按分钟计费进行对比，后者可能导致短音频片段的成本膨胀。该指南还就何时从免费套餐过渡到付费使用提供了建议，并指出承诺的批量定价仅对大型且可预测的工作负载有利。
-
AssemblyAI 详解语音代理的实时语音转文本功能
AssemblyAI 发布了一份详尽的指南，详细介绍了实时语音转文本技术的功能和应用。该指南解释了流式转录如何分小块处理音频，以提供近乎即时的文本输出，并区分了部分结果和最终结果。它强调了实时字幕、会议转录和语音代理等关键用例，并突出了低延迟和准确性在这些应用中的关键作用。
-
AssemblyAI 推 Universal-3.5 Pro 优于 Qwen3-ASR，适用于生产环境语音转文本
AssemblyAI 将其 Universal-3.5 Pro 语音转文本模型与阿里巴巴的 Qwen3-ASR 进行了比较，强调了其专有解决方案在生产环境中的优势。虽然 Qwen3-ASR 被认为是一个功能强大的多语言开源模型，但 AssemblyAI 认为，适用于生产环境的应用需要的不仅仅是准确的转录。据报道，Universal-3.5 Pro 在处理多语言代码切换方面表现出色，提供诸如说话人分离和实体识别等集成功能，并提供实时流式…
-
语音代理构建者分享架构、延迟和评估方面的实用技巧
AssemblyAI 在旧金山举办了一场关于构建实用语音代理的聚会，汇集了 Retell 和 Super 生产团队的见解。关键要点包括：倾向于采用级联架构以实现灵活性和定制化；将延迟预算控制在 1-1.5 秒对于自然的对话流程至关重要；以及对模型评估采取分层方法。此评估过程涵盖了语音转文本的自动化指标、精选的困难案例以及使用 LLM 作为评委来评估语言模型，最终通过人工“氛围检查”来评估文本转语音的质量。
-
AssemblyAI 的 Universal-3.5 Pro Realtime 在速度和准确性上达到人类水平
AssemblyAI 的 Universal-3.5 Pro Realtime 模型通过成为独立语音转文本排行榜上 Coval 人类水平区域的唯一参赛者，取得了重大里程碑。该区域表示模型在准确性和速度上均达到或超越人类表现。该模型展示了 3.40% 的词错误率，在 29 个模型中排名最低，并且实现了最快的首个 token 时间，表明了自然的对话流畅度。在准确性和速度上的双重成就对于语音代理至关重要，能够使它们准确聆听并迅速响应。
-
AssemblyAI：实时语音转文本成为新常态
AssemblyAI 认为，实时语音转文本转录正迅速成为标准，超越了传统的批量处理。这种转变是由速度和准确性方面的进步推动的，使得流式 API 在某些情况下能够与旧的批量方法相媲美，甚至优于它们。该公司以其 Universal-3.5 Pro Realtime 模型为例，指出其低延迟和高准确性，能够支持语音代理和实时字幕等应用。