AssemblyAI 是什麼、怎麼用、怎麼收費：語音轉文字與語音理解 API

本文根據 AssemblyAI 官網定價頁整理，資料核對於 2026-10-11。這是一條面向開發者的簡介，模型與價格以官網為準。

是什麼

AssemblyAI 是一家提供語音 AI 接口的公司。開發者把音頻發給它的 API，拿回文字稿以及在文字稿之上的各種分析結果。它覆蓋預先錄好的音頻和實時音頻兩種場景，並且把「轉寫之後還要做的事」——區分說話人、去掉敏感資料、調用大模型做總結——也做成了可以直接疊加的能力。

能做什麼

定價頁列出的產品與模型：

• Universal-3.5 Pro：處理預錄製音頻的主力模型。
• Universal-2：成本更低的預錄製模型。
• Universal-3.6 Pro Realtime：實時流式識別模型。
• Universal-Streaming（英語 / 多語種）：成本更低的流式模型。
• Speech Understanding 與 Guardrails：疊加在轉寫之上的附加能力，例如說話人區分（diarization）和個人資料脫敏（PII redaction）。
• Voice Agent API：一條連接裏整合語音轉文字、大模型和文字轉語音，用來搭建語音智能體。
• LLM Gateway：統一的接口，調用來自 5 家提供方的 25 個以上模型，按百萬 token 計費。

頁面註明較早的 SLAM-1 模型已被棄用，建議遷移到 Universal-3.5 Pro。

怎麼上手

1. 在 assemblyai.com 註冊，獲取 50 美元額度和 API Key（不需要信用卡）。
2. 用官網的在線試用上載一段音頻，先看轉寫質素。
3. 按官方文檔提交轉寫任務：給出音頻地址，等待完成後取回文字稿與時間戳。
4. 根據需要打開說話人區分、脫敏等附加項；需要總結或抽取資訊時，把文字稿交給 LLM Gateway 裏的模型處理。

免費與付費

定價頁（美元，2026-10 查詢）：

• 免費額度：註冊送 50 美元。
• 示例單價：
• Universal-3.5 Pro（預錄製）：0.21 美元/小時
• Universal-3.6 Pro Realtime（實時）：0.45 美元/小時起
• Voice Agent API：4.50 美元/小時
• 附加能力和 LLM Gateway 另行計費，詳見定價頁。

適合誰 / 不適合誰

適合： 開發播客與會議轉寫、客服質檢、影片字幕類產品的團隊；需要在轉寫之上做脫敏和結構化分析的應用；想用一個接口同時拿到語音與大模型能力的開發者。

不適合： 不寫代碼的普通用戶；對中文及方言準確率要求高的業務（需自行對比測試）；必須本地部署、音頻不能上雲的場景。

注意事項

• 附加項按音頻時長疊加計費，全部打開後的總價會明顯高於基礎轉寫價。
• 棄用的模型會在一段時間後下線，代碼裏不要寫死舊模型名。
• 脫敏功能可以降低風險，但不能保證清除全部個人資料，敏感業務仍需人工抽檢。