AssemblyAI: Universal-3.6 Pro

AssemblyAI: Universal-3.6 Pro es un modelo de voz a texto creado por AssemblyAI. Es el sucesor de Universal-3.5 Pro y se sitúa en la categoría de transcripción, por lo que su función es convertir voz grabada o transmitida en texto escrito en lugar de generar respuestas conversacionales. En api14 se sirve a través de la Sync API de AssemblyAI, lo que significa que las solicitudes se gestionan en un flujo síncrono en lugar de mediante un trabajo por lotes que se consulta más tarde.

El modelo toma audio como su única entrada y devuelve una transcripción como salida. No hay entrada de texto, ni entrada de imagen, ni prosa generada más allá de la propia transcripción, por lo que no es un modelo general de chat o razonamiento. En comparación con Universal-3.5 Pro, AssemblyAI informa de un 30% menos de errores en habla conversacional corta, que es la principal afirmación de calidad asociada a este lanzamiento. No se indica ninguna ventana de contexto para este modelo, y el valor máximo de salida se registra como cero, por lo que conviene tratar la longitud de la transcripción como determinada por el audio que se envía y no por un presupuesto de tokens documentado. La fecha de lanzamiento del proveedor es 2026-10-14.

El uso práctico se deriva directamente de esa forma. Si se tiene audio que necesita convertirse en texto buscable, legible o procesable por máquina, este es el modelo adecuado: grabaciones de reuniones y llamadas, entrevistas, notas de voz, audio de pódcast o vídeo, llamadas de soporte y material conversacional similar. Dado que AssemblyAI destaca mejoras en habla conversacional corta, las cargas de trabajo con muchos intercambios breves encajan de forma natural. La salida es transcripción simple, por lo que tareas posteriores como resumen, búsqueda por palabras clave, análisis de sentimiento o revisión de cumplimiento se gestionarían con un modelo de texto separado que consuma la transcripción.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo "assemblyai/universal-3-6-pro", lo que significa que el código de cliente existente de estilo OpenAI puede apuntar a api14 y seleccionar este modelo sin una integración a medida. La lista de parámetros admitidos del modelo está vacía, por lo que no se debe esperar que los controles de muestreo habituales, como temperature o top_p, se apliquen aquí; la solicitud es esencialmente el audio más el identificador del modelo. Si se necesita un comportamiento adicional, conviene comprobar qué acepta el endpoint en lugar de asumir que los parámetros de chat de OpenAI se trasladan.

Como no se publica ninguna longitud de contexto y la salida máxima se indica como cero, hay que planificar en torno al audio que se envía y no en torno a un límite de tokens documentado. También conviene tener en cuenta el límite: este modelo solo produce transcripciones, por lo que cualquier tarea que requiera seguimiento de instrucciones, traducción a prosa reescrita, salida JSON estructurada o diálogo de varios turnos se sirve mejor con un modelo de generación de texto, usando este primero para producir la transcripción.