AssemblyAI: Universal-3.6 Pro

AssemblyAI: Universal-3.6 Pro は、AssemblyAI が作成した音声テキスト変換モデルです。Universal-3.5 Pro の後継であり、文字起こしカテゴリに属するため、その役割は会話の返答を生成することではなく、録音またはストリーミングされた音声を書き起こされたテキストに変換することです。api14 では AssemblyAI の Sync API を通じて提供されます。つまり、リクエストは後でポーリングするバッチジョブではなく、同期的なフローで処理されます。

このモデルは音声のみを入力として受け取り、出力として文字起こしを返します。テキスト入力、画像入力はなく、文字起こし自体を超える生成された文章もないため、汎用のチャットモデルや推論モデルではありません。Universal-3.5 Pro と比較して、AssemblyAI は短い会話音声でエラーが 30% 少ないと報告しており、これがこのリリースに付随する主な品質上の主張です。このモデルにはコンテキストウィンドウが記載されておらず、最大出力値はゼロとして記録されているため、文字起こしの長さは文書化されたトークン予算ではなく、送信する音声によって決まると考えるべきです。プロバイダーのリリース日は 2026-10-14 です。

実用的な用途は、この形態から直接導かれます。検索可能、読み取り可能、または機械処理可能なテキストにする必要がある音声がある場合、これがその作業に適したモデルです。会議や通話の録音、インタビュー、ボイスメモ、ポッドキャストや動画の音声、サポート通話、および同様の会話資料が該当します。AssemblyAI が短い会話音声での改善を強調しているため、短いやり取りが多いワークロードは自然に適合します。出力は単純な文字起こしであるため、要約、キーワード検索、感情分析、コンプライアンスレビューなどの下流タスクは、文字起こしを消費する別のテキストモデルによって処理されることになります。

これは、モデル id "assemblyai/universal-3-6-pro" を使用して api14 の OpenAI 互換 API を通じて呼び出します。つまり、既存の OpenAI 形式のクライアントコードは、専用の統合なしで api14 を指定し、このモデルを選択できます。このモデルの対応パラメータ一覧は空であるため、temperature や top_p などの通常のサンプリング制御がここで適用されるとは期待すべきではありません。リクエストは本質的に音声とモデル識別子です。追加の動作が必要な場合は、OpenAI チャットパラメータがそのまま引き継がれると仮定するのではなく、エンドポイントが何を受け入れるかを確認してください。

コンテキスト長が公開されておらず、最大出力がゼロとして記載されているため、文書化されたトークン上限ではなく、送信する音声を基準に計画してください。また、境界にも注意してください。このモデルは文字起こしのみを生成するため、指示追従、書き換えられた文章への翻訳、構造化 JSON 出力、またはマルチターン対話を必要とするタスクには、テキスト生成モデルの方が適しており、このモデルはまず文字起こしを生成するために使用します。