转录和理解语音的AI模型
AssemblyAI 正式推出 Ruby SDK，旨在简化 Ruby 开发者集成其领先的语音 AI 模型。该工具支持音频转录、情感分析等音频智能功能，并可通过 LeMUR 轻松将大语言模型（LLM）应用于语音数据。此次发布标志着 AssemblyAI 在多语言开发支持上的重要进展，为构建自动化语音代理和智能客服系统提供了更便捷的底层能力。
AssemblyAI 正式推出增强版 Zapier 应用，全面开放 API 功能至无代码工作流。此次更新不仅将语音识别、PII 数据脱敏等高级功能直接集成到 Zapier 编辑器，还新增了获取字幕、段落分割及句子提取等 5 个新事件。开发者与用户可借此实现更灵活的自动化转录与数据处理，无需编写代码即可调用核心 AI 能力。
AssemblyAI 正式推出 Zapier 官方应用，打通视频转录、字幕生成与云端存储的全流程。开发者可通过 Zapier 自动化工作流，利用 AssemblyAI 的 Voice AI 能力将视频 URL 自动转录为文本，并一键生成 SRT 格式字幕文件上传至 Google Drive。该集成极大简化了视频内容处理流程，实现了从音频/视频输入到结构化字幕输出的零代码自动化。
AssemblyAI 发布深度指南，详解 Microsoft Florence-2 这一通用视觉基础模型。Florence-2 借鉴 LLM 的成功范式，通过统一的 Seq2Seq Transformer 架构和 FLD-5B 超大规模数据集，实现了从图像描述到像素级分割的零样本能力。文章解析了其解决语义粒度与空间层级挑战的核心机制，并提供了 API 调用与微调策略，标志着计算机视觉进入“大模型时代”。
AssemblyAI 正式推出 Best 与 Nano 两个语音转文本（Speech-to-Text）服务层级，旨在帮助开发者根据预算、速度和精度需求灵活选择。Best Tier 作为默认选项，提供最高精度的 Universal-1 模型，适用于复杂音频场景；Nano Tier 则以更低的成本提供高性价比服务，适合内容生成与基础索引。开发者可通过 API 参数一键切换层级，实现应用构建中的成本优化与性能平衡。
AssemblyAI 与自动化平台 Make 合作，发布全新集成教程，演示如何利用 AssemblyAI 的 PII 脱敏功能，结合 Make 工作流实现音频文件的自动转录与敏感信息清洗。该方案支持从 Google Drive 等存储源自动触发，生成包含脱敏文本和音频的合规文件，为构建企业级语音数据处理管道提供了零代码/低代码的最佳实践参考。
AssemblyAI 正式推出针对 Make (Integromat) 的官方应用，将先进的语音 AI 能力无缝嵌入无代码工作流。开发者可直接利用其语音识别、音频智能分析及 LLM 生成功能，实现从音频转录、PII 数据脱敏到内容摘要的全链路自动化，大幅降低构建复杂音频处理流程的技术门槛。
AssemblyAI 正式推出其最强大的语音识别模型 Universal-1。该模型基于超过 1250 万小时的英、西、法、德四语多语言音频数据训练，在词错误率（WER）上较竞品提升 10% 以上，幻觉率降低 30%，并实现了 5 倍推理加速。Universal-1 显著提升了时间戳精度和跨语言切换能力，为开发者构建下一代语音 AI 应用提供了坚实基础。
