Весело
Весело

AssemblyAI Universal-2 по API

AssemblyAI Universal-2 — модель компании AssemblyAI для расшифровки готовых записей на 99 языках. Русский и украинский у неё в группе высокой точности: доля ошибок в словах — до 10%. Запись сначала встаёт в очередь у AssemblyAI, поэтому модель удобна для больших объёмов, где ответ не нужен мгновенно. Сто минут записи стоят около 28,00 ₽.

  • 0,28 ₽ за минуту звука
  • до 2 ч звука
  • звук → текст

assemblyai/universal-2

Обновлено:

Получить ключ Попробовать Документация

Попробовать AssemblyAI Universal-2

Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Что попробовать: Загрузи запись до двух минут или запиши с микрофона, например кусок вебинара. Вернётся текст со временем слов — удобно для конспекта.

В ответ приходит текст записи в поле text — как у OpenAI.

Цены AssemblyAI Universal-2 в рублях

Звук — считаем по секундам0,28 ₽ за минуту

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Многоязычная служба поддержки: 500 звонков по минутеОколо 140,00 ₽
Ночная обработка архива: 10 000 минут архиваОколо 2 800,00 ₽
Медиамониторинг эфиров: сутки эфира, 24 часаОколо 403,20 ₽
Голосовые отзывы клиентов из разных стран: 900 отзывов по 40 секундОколо 168,00 ₽

Что умеет AssemblyAI Universal-2

  • Расшифровывает готовые записи на 99 языках и умеет работать с записями, где языки переключаются по ходу разговора (модели AssemblyAI).
  • Русский — в группе высокой точности, где доля ошибок в словах не больше 10%. Там же английский, украинский, немецкий, польский, турецкий, испанский, французский и ещё семь языков (языки AssemblyAI).
  • AssemblyAI делала её для больших объёмов: точная расшифровка за умеренные деньги и много языков.
  • Отдаёт время каждого слова в ответе verbose_json.
  • Работает через очередь AssemblyAI: наш сервер ждёт готовый текст и отдаёт его в том же запросе.
  • Принимает записи до 25 МБ в привычных форматах, от MP3 и M4A до WebM из браузера.

Где применять

Многоязычная служба поддержки

В поддержку звонят и присылают голосовые на разных языках: русском, украинском, польском, турецком, немецком. У Universal-2 все эти языки в одной группе высокой точности, поэтому один и тот же поток можно отправлять в одну модель. Если язык заранее известен, подскажи его в language, если нет — оставь поле пустым. Тексты потом удобно разбирать текстовой моделью по темам обращений, а сводку для руководителя собирать на одном языке.

Пример запроса: «file=support-pl-0412.ogg, language=pl»

Стоимость: 500 звонков по минуте — около 140,00 ₽.

Ночная обработка архива

Когда расшифровка не нужна прямо сейчас, очередь AssemblyAI не мешает. Поставь архив записей в свою очередь на ночь, отправляй файлы по одному с запасом по тайм-ауту, а утром забирай тексты. Под такие задачи AssemblyAI модель и задумывала: много записей и внимание к цене. Следи за пределом в 25 МБ на файл: большие записи заранее сожми в MP3 или разрежь. Утром останется проверить, все ли файлы вернулись с текстом.

Пример запроса: «file=archive-2025-q3-0189.mp3, language=ru, response_format=json»

Стоимость: 10 000 минут архива — около 2 800,00 ₽.

Медиамониторинг эфиров

Радио и телеэфиры записываются часами, а интересуют в них минуты: где упомянули бренд, город или фамилию. Расшифруй эфир с временем слов и ищи нужные слова в тексте. Найденное место сразу привязано к секунде записи, поэтому фрагмент для отчёта вырезается без прослушивания всего часа. Длинный эфир режь на части, чтобы каждая уложилась в 25 МБ: сутки вещания удобно хранить как 24 файла по часу.

Пример запроса: «file=radio-efir-0800-part1.mp3, language=ru, response_format=verbose_json, timestamp_granularities[]=word»

Стоимость: сутки эфира, 24 часа — около 403,20 ₽.

Голосовые отзывы клиентов из разных стран

В опросе после покупки можно дать людям не писать, а наговорить ответ: многим так проще, и отзывы выходят живее. Universal-2 переведёт их в текст на языке клиента, а дальше текстовая модель разложит отзывы на «нравится», «не нравится» и «чего не хватает». Так отдел продукта читает сводку, а не слушает сотни голосовых подряд. Короткие отзывы на полминуты-минуту отправляй сразу, без склейки. Предупреди людей в опросе, что голос будет расшифрован.

Пример запроса: «file=otzyv-de-0031.webm»

Стоимость: 900 отзывов по 40 секунд — около 168,00 ₽.

Характеристики

РазработчикAssemblyAI
ВидРаспознавание речи
Файлmp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ
Звук за раздо 2 ч
Ответjson, text, srt, vtt, verbose_json
id для запросаassemblyai/universal-2

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/transcriptions с полем model: assemblyai/universal-2, ключ — в заголовке Authorization: Bearer sk-vsl-….

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);

Пример ответа — только поля

{
  "text": "…"
}

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

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
AssemblyAI Universal-2 — эта модель0,28 ₽ / миндо 2 ч звукапакетная расшифровка на многих языках, русский — с высокой точностью
AssemblyAI Universal-3.5 Pro — AssemblyAI0,40 ₽ / миндо 2 ч звукаанглийская, испанская и французская речь с диалектами, где важна точность
Deepgram Nova-3 — Deepgram0,54 ₽ / миндо 2 ч звуказвонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков
Soniox STT v6 — Soniox0,19 ₽ / миндо 2 ч звукафоновая расшифровка записей на 60+ языках, когда ответ может подождать
Inworld STT-1 — Inworld AI0,28 ₽ / миндо 2 ч звукаголосовые и короткие записи на 30 языках, когда язык заранее неизвестен
Cartesia Ink Whisper — Cartesia0,26 ₽ / миндо 2 ч звукамассовая расшифровка голосовых сообщений, заметок и телефонных записей
  • AssemblyAI Universal-3.5 Pro — старшая модель AssemblyAI с упором на точность, но всего на 18 языков и без русского.
  • Deepgram Nova-3 — модель Deepgram с русским: сравни на тех же звонках.
  • Soniox STT v6 — расшифровка Soniox с русским, тоже для готовых записей.
  • Whisper Large v3 — открытая модель с субтитрами и подсказкой prompt.

Как устроен доступ

Весело — не разработчик AssemblyAI Universal-2: модель выпускает AssemblyAI. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Хорошо ли AssemblyAI Universal-2 понимает русский?
По данным AssemblyAI, русский входит в группу высокой точности: доля ошибок в словах у таких языков не больше 10%. Проверь результат на своих записях, особенно если там шум, громкая связь или много терминов.
Почему Universal-2 отвечает не сразу?
Запись сначала встаёт в очередь у AssemblyAI, и только потом модель её расшифровывает. Наш сервер ждёт результат и отдаёт его в том же запросе, поэтому поставь в своём клиенте тайм-аут в несколько минут, а не в тридцать секунд.
Есть ли у Universal-2 разметка говорящих и ключевые слова?
У AssemblyAI они есть: ключевые слова — до 200, разметка говорящих и скрытие личных данных — отдельными функциями. Через наш API они пока не передаются, модель возвращает текст и время слов. Для разметки говорящих есть GPT-4o Transcribe Diarize.
Чем Universal-2 отличается от Universal-3.5 Pro?
Universal-2 знает 99 языков, в том числе русский. Universal-3.5 Pro AssemblyAI называет своей самой мощной моделью, но языков у неё 18, и русского среди них нет. Для русской речи бери Universal-2.
Сколько запросов можно отправлять?
До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Нужны ли VPN и зарубежная карта для AssemblyAI Universal-2?
Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Что будет, если запрос закончится ошибкой?
Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: assemblyai.com