AssemblyAI 推出 Best 与 Nano 双 Tier 语音转文本方案
在 AI 语音处理领域，如何在“精度”、“速度”与“成本”之间找到最佳平衡点，一直是开发者面临的核心挑战。为此，AssemblyAI 于 2024 年 5 月正式推出了全新的 Best 与 Nano 两个语音转文本服务层级，旨在满足不同规模应用与多样化业务场景的需求。
更新背景：从单一服务到灵活分层
自上线以来，AssemblyAI 始终致力于服务全球数千名开发者。在过去一年中，公司持续优化产品体验，包括价格调整、延迟降低、新集成上线以及下一代通用模型 Universal-1 的发布。然而，随着应用场景的日益复杂，单一的服务层级已难以覆盖所有用户的精细需求。
此次更新的核心目标，是赋予开发者更多的控制权。用户不再被锁定在单一的服务层级中，而是可以根据具体项目的预算约束和准确性要求，灵活选择最适合的模型层级。
核心功能特性
1. Best Tier：高精度默认选项
Best Tier 是 AssemblyAI 目前最先进、精度最高的语音转文本服务，也是所有客户的默认选项。
-
适用场景：
- 需要捕捉语音数据细微差别的复杂音频文件。
- 背景噪音大、多说话人、口音复杂的录音。
- 对专有名词、行业术语识别要求极高的场景。
- 配合大语言模型（LLM）使用时，需要极高准确率转录的场合。
-
技术亮点：
- 搭载 Universal-1 模型，具备业界领先的识别能力。
- 默认开启所有高级功能，确保在复杂环境下的鲁棒性。
2. Nano Tier：高性价比新选择
Nano Tier 是 AssemblyAI 最新推出的轻量级服务，专为追求成本效率与快速迭代的场景设计。
-
适用场景：
- 内容主题检测与搜索索引。
- 基础的内容生成任务（如生成标签、标题、描述）。
- 大规模音频档案的初步处理。
- 用于测试语音转文本模型的低成本原型开发。
-
技术亮点：
- 在保持较高可用性的同时，大幅降低单次处理成本。
- 适合对实时性要求高但精度要求相对宽松的场景。
开发者应用价值
灵活的成本控制
通过引入双 Tier 机制，开发者可以根据项目阶段动态调整模型层级。例如，在 MVP（最小可行性产品）阶段使用 Nano Tier 快速验证想法，待产品成熟后再切换至 Best Tier 以提升用户体验。这种灵活性显著降低了试错成本。
极简的 API 切换方式
AssemblyAI 提供了极其便捷的 API 切换方案。开发者只需在转录请求配置中设置 speech_model 参数，即可在 Best 和 Nano 之间无缝切换。
# 示例：在 API 请求中指定使用 Nano 层级
response = api.transcribe(
audio_file,
speech_model="nano" # 显式指定层级
)
若未显式设置该参数，系统将自动默认使用 Best 层级，确保了向后兼容性与稳定性。
性能与精度的平衡
对于大多数企业级应用，Best Tier 提供的 Universal-1 模型能够处理 99% 的复杂场景，而 Nano Tier 则填补了长尾低成本需求。这种分层策略使得开发者无需为所有场景购买最高配置，从而在整体 TCO（总拥有成本）上实现最优解。
总结
AssemblyAI 此次推出的 Best 与 Nano 双 Tier 方案，标志着其语音转文本服务从“标准化交付”向“定制化赋能”的转变。这不仅丰富了产品矩阵，更为开发者提供了更精细化的成本控制手段与技术选型空间。
“我们致力于让每一位开发者都能构建出完美的 Voice AI 应用，无论其规模大小或预算多少。” —— AssemblyAI 产品团队
开发者可立即访问文档或 Playground 体验两种层级的差异，并根据自身需求做出最佳选择。
