Mô hình
AssemblyAI ra mắt Universal-3.5 Pro: Bước tiến mới trong công nghệ chuyển đổi giọng nói thời gian thực
(giờ Việt Nam)
Tóm tắt AI
AssemblyAI vừa nâng cấp mô hình Universal-3.5 Pro với độ chính xác vượt trội, độ trễ cực thấp và khả năng cập nhật ngữ cảnh hội thoại linh hoạt mà không cần kết nối lại, hỗ trợ tới 18 ngôn ngữ.
Bản dịch AI
AssemblyAI đã chính thức ra mắt Universal-3.5 Pro Realtime, phiên bản kế nhiệm của mô hình Universal-3 Pro Realtime, nhằm tối ưu hóa khả năng chuyển đổi giọng nói thành văn bản (STT) theo thời gian thực.
Trong chế độ Max Accuracy (Độ chính xác tối đa), mô hình đạt tỷ lệ lỗi từ (WER) là 4,1% với độ trễ phản hồi lần đầu là 0,44 giây. Ở chế độ Min Latency (Độ trễ tối thiểu), chỉ số WER là 4,3% với độ trễ 0,40 giây.
Về hiệu suất, Universal-3.5 Pro Realtime vượt trội hơn Deepgram Flux (WER 7,4%) và Nova-3 Realtime (WER 6,6%). Tuy nhiên, kết quả này vẫn thấp hơn một chút so với Cartesia Ink-2 (WER 3,7%) và ElevenLabs Scribe v2 Realtime (WER 3,6%).
Điểm nâng cấp đáng chú ý là tính năng cập nhật ngữ cảnh hội thoại động. Người dùng có thể làm mới ngữ cảnh sau mỗi lượt phản hồi của tác nhân (Agent) mà không cần phải kết nối lại hệ thống.
Ngoài ra, mô hình đã mở rộng khả năng hỗ trợ từ 6 lên 18 ngôn ngữ và cho phép chuyển đổi ngôn ngữ linh hoạt ngay trong câu. Mức giá dịch vụ vẫn được duy trì ổn định ở mức 0,45 USD/giờ.
Ý chính từ bài gốc
- Ra mắt Universal-3.5 Pro Realtime với hai chế độ: tối ưu độ chính xác (WER 4,1%) và tối ưu độ trễ (0,40 giây).
- Hiệu suất vượt trội so với Deepgram Flux và Nova-3 Realtime, cạnh tranh trực tiếp với Cartesia Ink-2 và ElevenLabs Scribe v2.
- Bổ sung tính năng cập nhật ngữ cảnh hội thoại động mà không cần ngắt kết nối.
- Mở rộng hỗ trợ từ 6 lên 18 ngôn ngữ, hỗ trợ chuyển đổi ngôn ngữ linh hoạt trong câu.
- Giữ nguyên mức giá dịch vụ là 0,45 USD/giờ.
Bài viết được AI dịch và tổng hợp tự động từ X/Twitter. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.