AssemblyAI נכנסת לתחום הדיבור הסינתטי: מודל TTS ראשון לסוכני קול, ב-15 דולר למיליון תווים

חברת AssemblyAI השיקה את AssemblyAI-TTS-1, מודל ה-text-to-speech (TTS, המרת טקסט לדיבור) הראשון שלה. המודל מיועד לסוכני קול, כלומר מערכות AI שמנהלות שיחה קולית עם משתמשים. הוא מוצע דרך API במחיר של 15 דולר למיליון תווים, בלי חוזה, עם מקביליות בלתי מוגבלת ועם תמיכה בשש שפות בהשקה.

מהצד השני של השיחה

AssemblyAI מוכרת בעיקר בתחום ההפוך: זיהוי דיבור ותמלול, כלומר הפיכת קול לטקסט. ההשקה של TTS-1 משלימה את הצד השני. סוכן קול צריך גם להבין מה אומרים לו וגם להשיב בקול, ועכשיו החברה מציעה מוצר לשני השלבים.

ככל הנראה המהלך נועד לאפשר למפתחים לקבל יותר רכיבים של סוכן הקול מאותו ספק. מבחינה מעשית, ספק אחד לשני הכיוונים יכול לחסוך עבודת אינטגרציה וניהול של כמה חשבונות וחיובים. אבל ההודעה לא מפרטת אם המוצרים משולבים טכנית או נמכרים בחבילה.

שלושה נתונים מרכזיים

מחיר: 15 דולר למיליון תווים. בתמחור לפי תווים, העלות תלויה ישירות באורך הטקסט שהמערכת מקריאה. כך אפשר לחשב מראש, יחסית בקלות, כמה תעלה כל תשובה של הסוכן.

מקביליות בלי חוזה: בעולם של API, מקביליות (concurrency) היא מספר הבקשות שאפשר להריץ באותו זמן. עבור סוכני קול זה נתון חשוב, כי כל שיחה פעילה דורשת הפקת דיבור בזמן אמת. מוקד שירות שמפעיל מאות שיחות במקביל צריך שהספק יעמוד בעומס. אצל ספקים רבים מגבלות כאלה מוסרות רק במסגרת הסכם ארגוני. לכן ההחלטה של AssemblyAI להציע מקביליות בלתי מוגבלת בלי חוזה היא, כנראה, ניסיון להוריד את חסם הכניסה למפתחים ולחברות קטנות.

שפות: בהשקה נתמכות שש שפות. ההודעה לא מפרטת אילו, כך שעדיין לא ידוע אם עברית ביניהן.

למה זה חשוב

סוכני קול הפכו לאחד התחומים הפעילים ביישומי AI: מוקדי שירות אוטומטיים, עוזרים טלפוניים ומערכות לקביעת תורים. בתחום ה-TTS פועלים כבר ספקים רבים, ואיכות הקול והמהירות שלו קובעות במידה רבה אם השיחה מרגישה טבעית או מכנית.

הכניסה של AssemblyAI מוסיפה עוד שחקן לשוק שבו המחיר והתנאים המסחריים הופכים לכלי תחרות בפני עצמם. המשמעות למפתחים היא ככל הנראה עוד אפשרות להשוות בין ספקים. המבחן האמיתי יהיה באיכות הקול, בזמן התגובה ובמגוון השפות, נתונים שההודעה הראשונית לא מפרטת.

לקוראים בישראל השאלה הפתוחה היא התמיכה בעברית. עם שש שפות בלבד בהשקה, ייתכן שמי שבונה סוכן קול דובר עברית ייאלץ לחכות להרחבות עתידיות.