Для AssemblyAI TTS 1 используйте Audio Speech API.

О модели

AssemblyAI TTS 1 — первая модель синтеза речи AssemblyAI, анонсирована 27 октября 2026 как рассчитанная на голосовых агентов. По данным AssemblyAI, звук начинает поступать через 90 мс в продакшене (время до первого аудио).

Поддерживает шесть языков: английский, испанский, французский, немецкий, итальянский и португальский, для каждого — несколько акцентов. Через API DSLab доступны 20 голосов; модель принимает текст и возвращает аудио.

Стоимость

Текущая стоимость использования этой модели:

Что оплачивается

Стоимость

Символы

1 500₽ за 1 млн символов

Характеристики

Параметр

Значение

Вход

Текст

Выход

Аудио (речь)

Форматы ответа

mp3, pcm (24 кГц, моно)

Языки

6: английский, испанский, французский, немецкий, итальянский, португальский

Голоса

20

Время до первого аудио

90 мс в продакшене по данным AssemblyAI

Дата выхода

27 октября 2026

Сравнение с соседними моделями

Модель

Языки

Назначение по данным разработчика

AssemblyAI TTS 1 (эта модель)

6

Голосовые агенты, 90 мс до первого аудио в продакшене

Eleven v4

90+

Эмоциональная озвучка: персонажи, диалоги, аудиокниги, многоязычные проекты

Eleven v4 Turbo

90+

Реальное время: поддержка клиентов, ассистенты, интерактивные персонажи

Fish Audio Drama 3

83

Озвучка с режиссурой: подачу задают пометками в квадратных скобках

Бенчмарки

Бенчмарк

Результат

Условия

Точность слов

99,0 %

Наборы Seed-TTS и LibriSpeech, по данным AssemblyAI на 28 октября 2026

Точность произношения сущностей

93,7 %

Набор из 580 целевых слов; Eleven v4 в том же тесте — 93,6 %, по данным AssemblyAI на 28 октября 2026

Время до первого байта

47 мс

Медиана на одном клиенте: 30 запросов, три раунда, четыре стандартных голоса на модель; Eleven v4 в том же тесте — 612 мс, по данным AssemblyAI

Предсказанная оценка MOS

3,85

По данным AssemblyAI

Стоимость

Тип

Цена за 1 млн символов

Входной текст

1 500 ₽

API

Эндпоинт

http 
POST https://api.dslab.tech/v1/audio/speech
Синтез речи 
import osfrom pathlib import Pathimport requestsresponse = requests.post(    "https://api.dslab.tech/v1/audio/speech",    headers={"Authorization": f"Bearer {os.environ['DSLAB_API_KEY']}"},    json={        "model": "assemblyai-tts-1",        "input": "Здравствуйте! Это пример синтеза речи.",        "voice": "aai-audrey",        "response_format": "mp3",    },)response.raise_for_status()Path("speech.mp3").write_bytes(response.content)

Параметры

Параметр

Тип

По умолчанию

Описание

model

string

обязательный

ID модели: assemblyai-tts-1.

input

string

обязательный

Текст для озвучивания.

voice

string

—

Голос, например aai-audrey.

response_format

string

—

Формат аудио: mp3 или pcm (24 кГц, моно).

Важно знать

  • Доступно 20 голосов, например aai-audrey или aai-troy.

  • Форматы wav, opus, aac и flac возвращают ошибку 400.

  • Запрос с 5 000 символов в input принимается.

  • По данным AssemblyAI, голос звучит лучше всего на своём языке; речь на другом языке обычно хуже по качеству.

  • По данным AssemblyAI, SSML не поддерживается.