API de AssemblyAI
Reconocimiento de voz + inteligencia de audio, transcripción, sentimiento, resúmenes
Freemium
✓ Verificado
🇺🇸 Estados Unidos
AssemblyAI va más allá de la transcripción básica para ofrecer una plataforma completa de inteligencia de audio. Además de un reconocimiento de voz a texto altamente preciso en más de 99 idiomas, proporciona análisis de sentimiento, diarización de hablantes, detección de temas, moderación de contenido, redacción de PII y generación automática de capítulos a través de una sola API. La transcripción en tiempo real por streaming admite transmisiones de audio en vivo. Ampliamente utilizado por plataformas de pódcast, herramientas de reuniones, centros de llamadas y empresas de medios. Uno de los mejores niveles gratuitos en el espacio de API de voz, con $50 en crédito.
Detalles de la API
Método de autenticación
Clave API
Modelo de precios
Freemium
Plan gratuito
Sí — $50 de crédito gratis al registrarte
Límite de solicitudes
Límite concurrente de archivos según el plan
Formato
REST / WebSocket / JSON
Control de versiones
v2
SLA / Disponibilidad
99.5%
Cumplimiento normativo
SOC 2, RGPD, HIPAA
Restricciones geográficas
Global
Última verificación
2026-02-20
Categorías
Preguntas frecuentes
AssemblyAI ofrece más que solo transcripción: incluye diarización de hablantes (quién dijo qué), análisis de sentimiento, moderación de contenido, detección de capítulos, reconocimiento de entidades y redacción de PII, todo en una sola llamada a la API. Esto lo hace significativamente más potente que las APIs de transcripción básicas como Whisper para construir aplicaciones de inteligencia de audio en producción.
Precios de AssemblyAI: La transcripción básica cuesta $0.37 por hora de audio. La diarización de hablantes añade $0.52/hora. El análisis de sentimiento y la detección de entidades añaden $0.13/hora cada uno. La redacción de PII cuesta $0.26/hora. Hay un nivel gratuito con uso limitado. En comparación con alternativas, AssemblyAI tiene un precio competitivo para el conjunto de funciones combinadas que ofrece.
Sí. AssemblyAI ofrece una API de Transcripción de Voz a Texto en Streaming que proporciona transcripción en tiempo real a través de conexiones WebSocket con una latencia inferior a 300 ms. Esto es adecuado para subtitulado en vivo, agentes de voz e inteligencia de reuniones en tiempo real. El precio en tiempo real es de $0.65 por hora, ligeramente superior al de la transcripción asíncrona.
LeMUR es el marco LLM de AssemblyAI construido sobre la transcripción. Permite hacer preguntas sobre contenido de audio —resumir una reunión, extraer tareas, responder preguntas sobre un pódcast— usando Claude u otros LLMs a través de la API unificada de AssemblyAI. Esto simplifica la creación de funciones de inteligencia de audio sin gestionar integraciones separadas de transcripción y LLM.