AssemblyAI: Universal-3.6 Pro

AssemblyAI: Universal-3.6 Pro ist ein Speech-to-Text-Modell von AssemblyAI. Es ist der Nachfolger von Universal-3.5 Pro und gehört zur Kategorie Transkription, seine Aufgabe ist es also, aufgezeichnete oder gestreamte Sprache in geschriebenen Text umzuwandeln, statt Gesprächsantworten zu generieren. Auf api14 wird es über die Sync API von AssemblyAI bereitgestellt, das bedeutet, dass Anfragen in einem synchronen Ablauf bearbeitet werden und nicht über einen Batch-Job, den Sie später abfragen.

Das Modell nimmt Audio als einzige Eingabe und gibt eine Transkription als Ausgabe zurück. Es gibt keine Texteingabe, keine Bildeingabe und keine generierte Prosa über das Transkript hinaus, es ist also kein allgemeines Chat- oder Reasoning-Modell. Im Vergleich zu Universal-3.5 Pro meldet AssemblyAI 30% weniger Fehler bei kurzer Konversationssprache, was die wichtigste Qualitätsaussage zu dieser Veröffentlichung ist. Für dieses Modell ist kein Kontextfenster angegeben, und der maximale Ausgabewert ist als Null verzeichnet, Sie sollten die Transkriptlänge also als durch das von Ihnen übermittelte Audio bestimmt betrachten und nicht durch ein dokumentiertes Token-Budget. Das Veröffentlichungsdatum des Anbieters ist der 2026-10-14.

Die praktische Nutzung ergibt sich direkt aus dieser Form. Wenn Sie Audio haben, das in durchsuchbaren, lesbaren oder maschinell verarbeitbaren Text umgewandelt werden muss, ist dies das Modell für die Aufgabe: Aufzeichnungen von Meetings und Anrufen, Interviews, Sprachnotizen, Podcast- oder Video-Audio, Support-Anrufe und ähnliches Konversationsmaterial. Da AssemblyAI Verbesserungen bei kurzer Konversationssprache hervorhebt, sind Arbeitslasten mit vielen kurzen Wortwechseln naheliegend. Die Ausgabe ist reine Transkription, nachgelagerte Aufgaben wie Zusammenfassung, Stichwortsuche, Sentiment-Analyse oder Compliance-Prüfung würden also von einem separaten Textmodell übernommen, das das Transkript konsumiert.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "assemblyai/universal-3-6-pro" auf, was bedeutet, dass vorhandener Client-Code im OpenAI-Stil auf api14 zeigen und dieses Modell auswählen kann, ohne eine maßgeschneiderte Integration. Die Liste der unterstützten Parameter des Modells ist leer, Sie sollten also nicht erwarten, dass die üblichen Sampling-Steuerungen wie temperature oder top_p hier gelten; die Anfrage besteht im Wesentlichen aus dem Audio plus der Modellkennung. Wenn Sie zusätzliches Verhalten benötigen, prüfen Sie, was der Endpunkt akzeptiert, statt anzunehmen, dass OpenAI-Chat-Parameter übernommen werden.

Da keine Kontextlänge veröffentlicht ist und die maximale Ausgabe als Null verzeichnet ist, planen Sie anhand des von Ihnen gesendeten Audios und nicht anhand einer dokumentierten Token-Obergrenze. Beachten Sie außerdem die Grenze: Dieses Modell erzeugt nur Transkripte, jede Aufgabe, die Instruktionsbefolgung, Übersetzung in umgeschriebene Prosa, strukturierte JSON-Ausgabe oder mehrstufigen Dialog erfordert, ist also besser durch ein Textgenerierungsmodell bedient, wobei dieses zuerst verwendet wird, um das Transkript zu erzeugen.