AssemblyAI: Universal-3.6 Pro

AssemblyAI : Universal-3.6 Pro est un modèle de reconnaissance vocale créé par AssemblyAI. Il succède à Universal-3.5 Pro et appartient à la catégorie transcription, son rôle est donc de convertir de la parole enregistrée ou diffusée en texte écrit plutôt que de générer des réponses conversationnelles. Sur api14, il est servi via l'API Sync d'AssemblyAI, ce qui signifie que les requêtes sont traitées de manière synchrone plutôt que par un traitement par lots que vous interrogez ultérieurement.

Le modèle prend l'audio comme seule entrée et renvoie une transcription comme sortie. Il n'y a pas d'entrée texte, pas d'entrée image et pas de prose générée au-delà de la transcription elle-même, ce n'est donc pas un modèle de chat ou de raisonnement général. Comparé à Universal-3.5 Pro, AssemblyAI annonce 30 % d'erreurs en moins sur les conversations courtes, ce qui constitue la principale affirmation de qualité associée à cette version. Aucune fenêtre de contexte n'est indiquée pour ce modèle, et la valeur maximale de sortie est enregistrée comme zéro, vous devez donc considérer que la longueur de la transcription dépend de l'audio que vous soumettez plutôt que d'un budget de tokens documenté. La date de publication par le fournisseur est le 2026-10-14.

L'usage pratique découle directement de cette configuration. Si vous avez de l'audio qui doit devenir un texte consultable, lisible ou exploitable par une machine, c'est le modèle qu'il vous faut : enregistrements de réunions et d'appels, entretiens, notes vocales, audio de podcasts ou de vidéos, appels au support et contenus conversationnels similaires. Comme AssemblyAI met en avant des gains sur les conversations courtes, les charges de travail comportant de nombreux échanges brefs sont un choix naturel. La sortie est une transcription brute, les tâches en aval telles que le résumé, la recherche par mots-clés, l'analyse de sentiment ou la revue de conformité seraient donc prises en charge par un modèle texte distinct qui consomme la transcription.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "assemblyai/universal-3-6-pro", ce qui signifie que du code client existant de style OpenAI peut pointer vers api14 et sélectionner ce modèle sans intégration sur mesure. La liste des paramètres pris en charge par le modèle est vide, vous ne devez donc pas vous attendre à ce que les contrôles d'échantillonnage habituels tels que temperature ou top_p s'appliquent ici ; la requête est essentiellement l'audio plus l'identifiant du modèle. Si vous avez besoin d'un comportement supplémentaire, vérifiez ce que l'endpoint accepte plutôt que de supposer que les paramètres de chat OpenAI s'appliquent.

Comme aucune longueur de contexte n'est publiée et que la sortie maximale est indiquée comme zéro, planifiez en fonction de l'audio que vous envoyez plutôt qu'en fonction d'un plafond de tokens documenté. Notez également la limite : ce modèle ne produit que des transcriptions, toute tâche nécessitant le suivi d'instructions, une traduction vers une prose réécrite, une sortie JSON structurée ou un dialogue multi-tours est mieux servie par un modèle de génération de texte, celui-ci étant utilisé d'abord pour produire la transcription.