AssemblyAI: Universal-3.5 Pro

AssemblyAI: Universal-3.5 Pro is een spraak-naar-tekst-model van AssemblyAI, aangeboden via de Sync API van de provider. Het valt in de categorie transcriptie, dus de taak is smal en specifiek: audio omzetten in tekst in plaats van chat-, redeneer- of generatietaken uitvoeren. Als je iets bouwt dat een transcript nodig heeft, is dit het soort model dat je zou evalueren naast andere transcriptie-opties.

Het model neemt audio als enige invoer en retourneert een transcriptie als uitvoer. Het produceert een volledig transcript met tijdstempels op woordniveau in een enkele synchrone respons, wat betekent dat je de timinginformatie voor elk woord krijgt zonder een aparte uitlijningsstap. Het Sync API-pad is ontworpen voor audioclips tot 120 seconden, dus het model werkt op korte opnames in plaats van lange bestanden. Er is geen contextvenster vermeld voor dit model, en de maximale uitvoer is geregistreerd als nul, wat weerspiegelt dat het geen tekstgeneratiemodel is met een tokenbudget in de gebruikelijke zin.

De praktische toepassingen volgen direct uit die eigenschappen. Tijdstempels op woordniveau maken het geschikt voor het genereren van ondertitels en captions, waarbij elk woord een tijdsverschuiving nodig heeft. Korte clips komen veel voor in spraaknotities, fragmenten van supportgesprekken, korte interviews en het transcriberen van spraakmemo's, dus een synchrone aanroep die het volledige transcript in één respons retourneert, past bij interactieve tools die niet kunnen wachten op een batchtaak. Omdat de respons synchroon is, kun je het in een request-en-response-flow opnemen, bijvoorbeeld een gebruiker uploadt een clip en ontvangt het transcript en de timings terug in dezelfde interactie.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "assemblyai/universal-3-5-pro". Het verzoek bevat de audio-invoer, en de respons retourneert het transcript met tijdstempels op woordniveau. Het model vermeldt geen ondersteunde parameters, dus je moet niet verwachten dat je sampling-instellingen, temperature, top_p of vergelijkbare generatie-instellingen kunt doorgeven; het transcriptiegedrag is vastgelegd door de provider. Behandel het als een transcriptie-endpoint in plaats van een chat completion-endpoint, en controleer de actuele prijstabel op de pagina voor de huidige tarieven.

De belangrijkste beperking om in gedachten te houden is de cliplengte. De Sync API ondersteunt audio tot 120 seconden, dus langere opnames vallen buiten wat dit model kan verwerken in een enkele synchrone aanroep, en je zou een andere aanpak of een ander model nodig hebben voor die gevallen. Als je taak tekstgeneratie, chat of iets anders dan spraak-naar-tekst is, is dit model niet de juiste keuze, aangezien de invoer audio is en de uitvoer een transcriptie.