Assembly AI Best
нейросеть
Assembly AI Best — модель распознавания речи от американской компании AssemblyAI, настроенная на максимальную точность расшифровки
Характеристики
- Входные данные
- аудио
- Результат
- текст
Стоимость промпта
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';
async function main() {
const { text } = await openai.audio.transcriptions.create({
file: fs.createReadStream('/path/to/file.mp3'),
model: 'assembly-ai-best',
});
console.log(text);
}main();
Как работает Assembly AI Best?
Assembly AI Best — модель распознавания речи от американской компании AssemblyAI, настроенная на максимальную точность расшифровки. Она переводит голос в текст с пунктуацией и заглавными буквами, размечает реплики по спикерам, проставляет тайм-коды вплоть до отдельных слов и отдаёт готовые субтитры в форматах SRT и VTT. В отличие от облегчённого режима Nano, вариант Best рассчитан на сложное аудио: несколько говорящих, фоновый шум, диктофонные записи, созвоны и телефонные линии. Русский язык поддерживается, включая имена собственные и профессиональные термины. В BotHub онлайн транскрибация аудио в текст доступна без VPN и зарубежной карты: вы платите рублями по факту за обработанный объём, а не за подписку, и токены не сгорают. Рядом, в одном окне, — GPT на русском, Claude, Gemini, DeepSeek и другие нейросети онлайн, поэтому расшифровку можно сразу передать в чат GPT и получить саммари, протокол встречи или статью. Данные шифруются по AES-GCM и не сохраняются, а единый OpenAI-совместимый API позволяет встроить распознавание в свои сервисы. Типовые задачи: расшифровка интервью и планёрок, субтитры к роликам и онлайн-курсам, разбор звонков отдела продаж, перевод подкастов в текст, голосовые заметки в документы.Частые вопросы о Assembly AI Best
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
assemblyai-best переводит речь в текст: подкасты, интервью, созвоны, лекции, голосовые сообщения. Режим обработки больших файлов позволяет загружать длинные записи целиком, не нарезая их вручную. Подходит для расшифровок, заметок после встреч, подготовки субтитров и поиска по архиву аудио. Доступ из России без VPN и зарубежной карты.
Лимит вывода — 4096 токенов, примерно несколько страниц текста, а контекстное окно составляет 4095 токенов. Если запись длинная и расшифровка не укладывается в один ответ, разбивайте аудио на фрагменты и собирайте итоговый текст из частей.
Отдельный режим рассуждений в наших данных не отмечен, и для расшифровки он не нужен: модель распознаёт речь и возвращает текст. Если нужен анализ расшифровки, краткое содержание или выводы, передайте готовый текст в текстовую модель — в BotHub они доступны в том же окне.
Поддержка вызова функций и строгого JSON-вывода в наших данных не отмечена — ориентируйтесь на обычный текстовый результат распознавания. Саму модель можно вызывать через единый OpenAI-совместимый API BotHub, а структурировать расшифровку по полям удобнее уже на стороне вашего приложения.
Аудио — основной вход: загружайте запись, и модель вернёт текст, в том числе в режиме больших файлов. Изображения и видео на вход в наших данных не отмечены, поэтому для видеороликов имеет смысл сначала извлечь звуковую дорожку и отправить уже её.
Список поддерживаемых языков в наших данных не указан, поэтому обещать точность на русском мы не станем — проверьте на своей записи. Качество расшифровки сильнее всего зависит от чистоты звука: хороший микрофон, минимум фона и без наложения голосов дают заметно лучший результат.