AssemblyAI: Universal-3.6 Pro

AssemblyAI: Universal-3.6 Pro é um modelo de fala para texto feito pela AssemblyAI. É o sucessor do Universal-3.5 Pro e situa-se na categoria de transcrição, pelo que a sua função é transformar fala gravada ou transmitida em texto escrito, em vez de gerar respostas conversacionais. Na api14 é servido através da Sync API da AssemblyAI, o que significa que os pedidos são tratados num fluxo síncrono e não através de uma tarefa em lote que consulta mais tarde.

O modelo recebe áudio como única entrada e devolve uma transcrição como saída. Não há entrada de texto, nem entrada de imagem, nem prosa gerada para além da própria transcrição, pelo que não é um modelo geral de conversação ou raciocínio. Em comparação com o Universal-3.5 Pro, a AssemblyAI reporta 30% menos erros em fala conversacional curta, que é a principal alegação de qualidade associada a este lançamento. Não está listada qualquer janela de contexto para este modelo, e o valor máximo de saída está registado como zero, pelo que deve considerar que o comprimento da transcrição é determinado pelo áudio que submete e não por um orçamento de tokens documentado. A data de lançamento do fornecedor é 2026-10-14.

O uso prático decorre diretamente desta forma. Se tem áudio que precisa de se tornar texto pesquisável, legível ou processável por máquina, este é o modelo indicado: gravações de reuniões e chamadas, entrevistas, notas de voz, áudio de podcasts ou vídeos, chamadas de apoio e material conversacional semelhante. Como a AssemblyAI destaca ganhos em fala conversacional curta, cargas de trabalho com muitas trocas breves são um encaixe natural. A saída é transcrição simples, pelo que tarefas a jusante como sumarização, pesquisa por palavras-chave, análise de sentimento ou revisão de conformidade seriam tratadas por um modelo de texto separado que consome a transcrição.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "assemblyai/universal-3-6-pro", o que significa que código de cliente existente no estilo OpenAI pode apontar para a api14 e selecionar este modelo sem uma integração à medida. A lista de parâmetros suportados do modelo está vazia, pelo que não deve esperar que os controlos de amostragem habituais, como temperature ou top_p, se apliquem aqui; o pedido é essencialmente o áudio mais o identificador do modelo. Se precisar de comportamento adicional, verifique o que o endpoint aceita em vez de assumir que os parâmetros de chat da OpenAI se aplicam.

Como não é publicada qualquer duração de contexto e a saída máxima está listada como zero, planeie em torno do áudio que envia e não em torno de um limite de tokens documentado. Note também o limite: este modelo apenas produz transcrições, pelo que qualquer tarefa que exija seguimento de instruções, tradução para prosa reescrita, saída JSON estruturada ou diálogo com vários turnos é melhor servida por um modelo de geração de texto, com este a ser usado primeiro para produzir a transcrição.