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:
Модели и цены
| Модель | Звука за раз | Цена |
|---|---|---|
| AssemblyAI Universal-2 | до 2 ч | 0,28 ₽ за минуту звука |
| AssemblyAI Universal-3.5 Pro | до 2 ч | 0,40 ₽ 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.
- Войди на veselo.ai и забери ключ
sk-vsl-…в кабинете API. - Пополни счёт для запросов в разделе оплаты API — картой российского банка, по СБП, через T-Pay или SberPay.
- Отправь файл на
https://veselo.ai/v1/audio/transcriptionsсmodel=assemblyai/universal-2иlanguage=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
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-2иassemblyai/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