AssemblyAI发布首个文本转语音模型
先了解这件事
2026年10月29日,AssemblyAI发布首个文本转语音模型AssemblyAI-TTS-1。据Artificial Analysis评测,该模型在Provider Voice Arena中以1,227 Elo排名第12,在Controlled Voice中以1,110 Elo排名第10。生成速度方面,AssemblyAI-TTS-1每秒生成162个字符,高于Cartesia Sonic 3.6的148.6、Mistral Voxtral 3 TTS的112.3、Speechify Simba 3.2的84.9、ElevenLabs Eleven v4的75.1及Google Gemini 3.8 Flash TTS的53.4。其定价为每百万字符15美元,报道称低于Gemini 3.8 Flash TTS,但未提供具体对比价格。
事件进展
报道时间线
- AssemblyAI-TTS-1 生成速度与定价对比多款 TTS
AssemblyAI-TTS-1 每秒生成 162 个字符,速度高于 Cartesia Sonic 3.6 的 148.6、Mistral Voxtral 3 TTS 的 112.3、Speechify Simba 3.2 的 84.9、ElevenLabs Eleven v4 的 75.1 和 Google Gemini 3.8 Flash TTS 的 53.4。其价格为 $15/1M characters,低于 Gemini 3.8 Flash TTS 的 $16.5/1M、Qwen-Audio-3.1-TTS-Plus 的 $19.3/1M、Breeze TTS 2 的 $34/1M 和 Eleven v4 Turbo 的 $40/1M,但高于 Simba 3.2 的 $6.6/1M characters。
- AssemblyAI-TTS-1 语音模型评测:Provider Voice Arena 排名第 12
AssemblyAI 发布首个文本转语音模型 AssemblyAI-TTS-1,在 Artificial Analysis 的 Provider Voice Arena 中以 1,227 Elo 排名第 12,在 Controlled Voice 中以 1,110 Elo 排名第 10。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。