Весело
Весело

AssemblyAI API: распознавание речи

AssemblyAI известна прежде всего моделями распознавания речи. По нашему ключу доступны две её модели для готовых записей: Universal-2 на 99 языках — русский AssemblyAI относит к языкам с высокой точностью — и Universal-3.5 Pro, самая точная модель компании для 18 языков, но без русского. Платишь в рублях за минуту записи.

  • 2 модели
  • от 0,28 ₽ за минуту звука
  • распознавание речи

Обновлено:

Получить ключ Документация

Модели и цены

Распознавание речи: цена в рублях за минуту звука
МодельЗвука за разЦена
AssemblyAI Universal-2до 2 ч0,28 ₽ за минуту звука
AssemblyAI Universal-3.5 Proдо 2 ч0,40 ₽ за минуту звука

Как выбрать

У AssemblyAI выбор почти целиком решает язык записи.

  • Запись на русском — AssemblyAI Universal-2. Она понимает 99 языков, и AssemblyAI делит их на группы по доле ошибок в словах. Русский попал в верхнюю группу, где ошибок не больше 10%, вместе с английским, испанским, немецким, украинским и турецким. AssemblyAI называет Universal-2 выгодным вариантом для больших объёмов и широкого набора языков; она умеет и переключение языков внутри записи.
  • Английский и ещё 17 языков — AssemblyAI Universal-3.5 Pro. Это самая точная и быстрая модель AssemblyAI для записей. Она сама узнаёт региональные варианты языка — квебекский французский, мексиканский испанский, бразильский португальский — без отдельного кода и справляется с речью, где языки смешаны. Русского среди её 18 языков нет: его AssemblyAI добавила только в Universal-3.6 Pro, которой у нас нет.

Обе модели работают с готовыми записями, а не с потоком. Запись AssemblyAI ставит в очередь, поэтому ответ приходит дольше, чем у моделей вроде Whisper Large v3 Turbo, — иногда через несколько минут. Наш API дожидается результата сам, тебе нужно только поставить клиенту тайм-аут не меньше 10 минут.

Цена у обеих — за минуту записи, точные цифры стоят в таблице моделей на этой странице.

Популярные задачи

Вебинар или лекция на русском

Двухчасовой вебинар проще читать, чем пересматривать. Universal-2 вернёт текст, а в подробном ответе verbose_json — ещё и время слов: по нему легко собрать оглавление с отметками «на 12-й минуте — про цены». Передай language: "ru", чтобы модель не тратила время на угадывание языка. Если файл тяжелее предела запроса, раздели запись на части по 20–30 минут.

Англоязычный подкаст или интервью

Для записи на английском бери Universal-3.5 Pro: по словам AssemblyAI, это её самая точная модель для готовых записей. Она подойдёт для расшифровки интервью с иностранным гостем, разбора чужого подкаста или подготовки английских субтитров. Акцент собеседника — британский, австралийский — модель узнаёт сама.

Пример запроса: короткий фрагмент англоязычного подкаста, в ответ — расшифровка со временем слов.

Звонки, где говорят на двух языках

Клиент начинает по-испански и переходит на английский, оператор отвечает тем же — у AssemblyAI это называется переключением языков, и обе модели его поддерживают. Если в звонке есть русский, отправляй его в Universal-2: у 3.5 Pro русского нет в списке языков.

Архив записей на разных языках

Когда в папке лежат записи на украинском, польском, казахском и ещё десятке языков, удобно не выбирать модель под каждый файл, а отправлять всё в Universal-2 — у неё 99 языков. Учти оценку самой AssemblyAI: казахский и белорусский у Universal-2 — в группе средней точности, где ошибка — от четверти до половины слов, так что такие расшифровки придётся вычитывать. Другие модели под эту задачу — в подборке для распознавания речи.

Как получить ключ AssemblyAI API в России

У AssemblyAI расшифровка идёт в несколько шагов: загрузить файл, запустить работу, спрашивать статус. У нас это один запрос в формате OpenAI, а ключ — наш, не AssemblyAI.

  1. Войди на veselo.ai и забери ключ sk-vsl-… в кабинете API.
  2. Пополни счёт для запросов в разделе оплаты API — картой российского банка, по СБП, через T-Pay или SberPay.
  3. Отправь файл на https://veselo.ai/v1/audio/transcriptions с model=assemblyai/universal-2 и language=ru, тайм-аут клиента — от 10 минут. Ответ придёт текстом в том же запросе, без опроса статуса.

Какие форматы файлов принимаются и какие поля есть в ответе — в документации по распознаванию речи.

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI. Пример — с моделью AssemblyAI Universal-2: у других моделей меняется только model.

curl

curl https://veselo.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -F model="assemblyai/universal-2" \
  -F file="@speech.mp3"

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with open("speech.mp3", "rb") as f:
    r = client.audio.transcriptions.create(model="assemblyai/universal-2", file=f)
print(r.text)

JavaScript

import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });

const r = await client.audio.transcriptions.create({
  model: 'assemblyai/universal-2',
  file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);

В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы

AssemblyAI Universal-2 · Документация раздела

Версии и отличия

  • Universal-2 — 99 языков, русский в группе высокой точности, переключение языков внутри записи. По описанию AssemblyAI — выгодный вариант для больших объёмов.
  • Universal-3.5 Pro — самая точная модель AssemblyAI для записей: 18 языков без русского, региональные варианты языков, переключение языков. AssemblyAI советует её для медицинских записей, колл-центров и заметок со встреч.
  • Чего здесь нет: Universal-3.6 Pro, где появился русский, потоковых моделей AssemblyAI для живой речи и её платных дополнений — разметки говорящих и скрытия персональных данных. Через наш API уходит только расшифровка.

Вопросы и ответы

Есть ли русский у AssemblyAI Universal-3.5 Pro?
Нет. У Universal-3.5 Pro 18 языков, и русского среди них нет. Русскую запись отправляй в Universal-2 — у неё русский в группе самой высокой точности по оценке AssemblyAI.
Почему AssemblyAI отвечает дольше других моделей?
AssemblyAI обрабатывает готовые записи в очереди, и на длинный файл ответ может прийти через несколько минут. Запрос при этом не обрывается: наш API ждёт результат сам. Поставь клиенту тайм-аут от 10 минут, и всё получится с первого раза.
Можно ли узнать, кто из собеседников что сказал?
Через AssemblyAI у нас — нет: разметку говорящих она продаёт отдельным дополнением, и наш API его не передаёт. Для такой задачи есть модель, которая этим и занимается, — GPT-4o Transcribe Diarize.
Assembly AI и AssemblyAI — одно и то же?
Да, это одна компания: в поиске её пишут и слитно, и раздельно. В нашем каталоге модели AssemblyAI идут под id assemblyai/universal-2 и assemblyai/universal-3.5-pro.
Весело работает от имени AssemblyAI?
Нет. Весело — отдельный сервис: мы даём доступ к моделям AssemblyAI по своему ключу и берём оплату в рублях. Запись уходит модели только для расшифровки, а что хранится у нас — в разделе о данных.
Сколько стоит расшифровка часа записи?
Цена указана за минуту — умножь её на 60, и получится стоимость часа. Списание идёт по секундам записи, а если расшифровка не удалась, деньги не списываются.
Нужны ли VPN и зарубежная карта?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Сколько стоит запрос, который закончился ошибкой?
Нисколько: ошибка нейросети денег не стоит, удержание на время запроса снимается целиком.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: assemblyai.com