AssemblyAI

AssemblyAI 是美國舊金山的語音 AI 公司，官網形容自己是「給開發者打造轉錄、理解並根據語音行動的產品的語音 AI 基礎設施」。它不做會議筆記 App，而是許多會議筆記、客服分析、Podcast 工具背後的語音辨識引擎，也是 Vapi、LiveKit、Pipecat 等語音代理框架的內建選項。

功能特色與適用場景：語音辨識分錄音檔與串流兩條線。錄音檔目前最準的是 Universal-3.5 Pro，支援 18 種語言，可以用提示詞與關鍵詞（Keyterms）引導辨識；Universal-2 則涵蓋 99 種語言。串流有 Universal-3.6 Pro Realtime 與較便宜的 Universal-Streaming。Speech Understanding 提供說話者辨識、翻譯、實體偵測、情緒分析、主題分類等加購；Guardrails 則有 PII 音訊與文字遮蔽、髒話過濾、內容審核；醫療模式每小時加 0.15 美元。Voice Agent API 用一條 WebSocket 包辦語音辨識、LLM 推理、TTS、插話處理與工具呼叫，每小時 4.5 美元全包。LLM Gateway 讓你用同一個 API 呼叫 OpenAI、Anthropic、Google 與 Qwen 的模型處理逐字稿。合規面 HIPAA BAA、ISO 27001、SOC 2 Type 2、GDPR 不另收費，也有 EU 端點。

給台灣使用者的建議：官方文件寫得很誠實，普通話由 Universal-2 支援，字錯率等級標示為「良好（10%～25%）」，Universal-3.5 Pro 目前沒有中文。另外它的中文輸出會簡繁混雜，官方範例建議用 OpenCC 轉換；台灣用語建議用 s2twp 設定，連「軟體、資訊」這類詞彙一起轉。程式碼切換（code-switching）的文件主要針對西英混用，中英夾雜的表現要自己測。英文內容是它的強項，如果你的產品服務海外英語市場，選它很合理；以中文為主的應用，建議同時比較其他供應商。