API AssemblyAI
Reconhecimento de fala + inteligência de áudio, transcrição, sentimento, resumos
Freemium
✓ Verificado
🇺🇸 Estados Unidos
A AssemblyAI vai além da transcrição básica para oferecer uma plataforma completa de inteligência de áudio. Além de uma transcrição de fala para texto altamente precisa em mais de 99 idiomas, ela oferece análise de sentimento, diarização de locutores, detecção de tópicos, moderação de conteúdo, redação de PII e geração automática de capítulos por meio de uma única API. A transcrição em tempo real por streaming suporta transmissões de áudio ao vivo. Amplamente utilizada por plataformas de podcast, ferramentas de reunião, call centers e empresas de mídia. Um dos melhores planos gratuitos no segmento de APIs de fala, com US$ 50 em créditos.
Detalhes da API
Método de autenticação
Chave de API
Modelo de preço
Freemium
Plano gratuito
Sim — $50 de crédito grátis ao se cadastrar
Limite de requisições
Limite de arquivos simultâneos por plano
Formato
REST / WebSocket / JSON
Controle de versão
v2
SLA / Disponibilidade
99.5%
Conformidade
SOC 2, GDPR, HIPAA
Restrições geográficas
Global
Última verificação
2026-02-20
Categorias
Perguntas frequentes
A AssemblyAI oferece mais do que transcrição — inclui diarização de locutores (quem disse o quê), análise de sentimento, moderação de conteúdo, detecção de capítulos, reconhecimento de entidades e redação de PII, tudo em uma única chamada de API. Isso a torna significativamente mais poderosa do que APIs de transcrição brutas como o Whisper para construir aplicações de inteligência de áudio em produção.
Preços da AssemblyAI: A transcrição principal custa US$ 0,37 por hora de áudio. A diarização de locutores adiciona US$ 0,52/hora. Análise de sentimento e detecção de entidades adicionam US$ 0,13/hora cada. A redação de PII custa US$ 0,26/hora. Há um plano gratuito com uso limitado. Comparada às alternativas, a AssemblyAI tem preços competitivos pelo conjunto de recursos combinados que oferece.
Sim. A AssemblyAI oferece uma API de Transcrição de Fala em Streaming que fornece transcrição em tempo real via conexões WebSocket com latência inferior a 300ms. Isso é adequado para legendas ao vivo, agentes de voz e inteligência de reuniões em tempo real. O preço em tempo real é de US$ 0,65 por hora, um pouco mais alto do que a transcrição assíncrona.
LeMUR é o framework LLM da AssemblyAI construído sobre a transcrição. Ele permite que você faça perguntas sobre o conteúdo de áudio — resumir uma reunião, extrair itens de ação, responder perguntas sobre um podcast — usando Claude ou outros LLMs via a API unificada da AssemblyAI. Isso simplifica a construção de recursos de inteligência de áudio sem precisar gerenciar integrações separadas de transcrição e LLM.