AssemblyAI

AssemblyAI est une API de reconnaissance vocale destinée aux développeurs. Elle couvre la transcription de fichiers, la transcription en temps réel par WebSocket (latence annoncée d'environ 150 ms), une Voice Agent API qui regroupe reconnaissance, modèle de langage, synthèse et orchestration, des fonctions de compréhension de la parole, des garde-fous (suppression de données personnelles, filtrage de grossièretés) et une passerelle LLM. La facturation, en dollars, est à l'usage et détaillée par heure : 50 $ de crédits gratuits sans carte bancaire, puis Universal-2 à 0,15 $/h et Universal-3.5 Pro à 0,21 $/h en pré-enregistré, streaming à partir de 0,15 $/h avec Universal-Streaming (0,45 $/h pour Universal-3.6 Pro Realtime), et Voice Agent à 4,50 $/h, soit 0,075 $/min. Les options s'ajoutent au prix de base, par exemple le mode médical à 0,15 $/h.

La documentation propose des SDK Python et TypeScript et s'intègre à des frameworks d'agents vocaux comme LiveKit, Pipecat, Twilio et Langflow. L'éditeur indique une résidence des données européenne via api.eu.assemblyai.com, au même tarif qu'aux États-Unis, sans surcoût pour HIPAA ou PCI-DSS. Le site et la documentation sont en anglais, aucune version française n'a été trouvée. Attention à la facturation : en streaming, la connexion est facturée pour sa durée d'ouverture et non pour l'audio envoyé, et un fichier stéréo compte double, ce qui peut faire grimper la facture si les connexions ne sont pas fermées proprement. L'outil suppose du développement et n'offre pas d'éditeur destiné au grand public.