跳转到内容
Alpha
  • 模型
  • 排行榜
  • Ori
联系销售

页脚

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

产品

  • 聊天
  • 排行榜
  • 基准测试
  • 应用
  • 发现
  • 模型
  • Ori
  • 合集
  • 提供商
  • 工具
  • 定价
  • Business
  • Enterprise
  • 实验室

公司

  • 关于
  • 博客
  • 客户
  • 招聘
    招聘
  • 隐私
  • 服务条款
  • 信任中心
  • 支持
  • 兼容 OR
  • 数据
  • 品牌

开发者

  • 文档
  • API 参考
  • 开发者平台
  • 状态
  • AI 站点地图

连接

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
assemblyai 的网站图标

AssemblyAI: TTS 1

assemblyai/assemblyai-tts-1

基准测试比较

AssemblyAI TTS 1 is a text-to-speech model from AssemblyAI. It is suited for voice agents, narration, and multilingual applications, and draws on a public library of several thousand voices across languages. Voices are selected by slug or ID, and the spoken language follows the chosen voice or can be set explicitly through the language provider option.

模态
价格
US$15/M characters
发布时间
2026年10月28日
基准测试比较
试验场基准测试提供商性能正常运行时间应用活动常见问题探索

试验场

基准测试

标准化评测得分，以及此模型针对共用基准测试提示词的实际输出。百分比越高越好，每项排名显示此模型在该来源所评测的模型中的位置。

提供商

不同公司托管同一个模型。OpenRouter 会根据您选择的路由模式，将您的请求路由到其中一家公司：Balanced（价格 + 速度）、Nitro（最快）或 Floor（最便宜）。

性能

吞吐量是模型生成内容的速度（每秒 token 数，越高越好）。延迟是完整的往返时间（越低越好）。TTFT 是首个 token 的响应时间，即您看到内容出现前需要等待的时间（越低越好）。

正常运行时间

正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控，并在某家提供商返回错误时使用次优提供商。

应用

向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况，也能提示此模型最适合哪些用例。

活动

此模型的 token 用量和请求流量随时间的变化。

API

可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时，唯一需要更改的是下方的模型标识符。

可通过欧盟区域内路由使用

AssemblyAI: TTS 1 可通过欧盟区域内路由使用。发送至 eu.openrouter.ai 的请求会在欧盟境内解密，并且仅路由至欧洲（欧盟/欧洲经济区、英国和瑞士）的共享提供商端点。

欧洲的提供商
AssemblyAI
基础 URL
https://eu.openrouter.ai/api/v1
套餐
需要 Business 或 Enterprise 套餐。Business 支持自助使用：无需合同，无每月最低消费。 用于欧盟区域内路由的 OpenRouter Business

故障时关闭：如果欧洲没有可用的共享提供商端点，请求将报错，而不会离开该区域。使用您自己的 BYOK 密钥处理的请求会发送至您部署所在的区域，该区域由您控制。 区域内路由文档

探索更多模型

最佳文本转语音模型集合语音模型排行榜排名
延迟
US$15.000.15s
100.00%
US$15.000.37s
100.00%
延迟
0.15秒

P50，最佳提供商

正常运行时间（3 天）模型可访问。请求已路由至提供商。
100.00%
可用性（3 天）模型通过任意提供商返回了推理结果。错误和空响应均计为失败。
100.00%

过去 3 天的可用性

最近 72 小时
可用性 100.00%
3 天前2 天前昨天现在

过去 24 小时的可用性

OpenRouter Availability
100.00%

当上游提供商发生错误时，如果您的请求筛选条件允许，我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据： 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。

1.
https://relaisforall.com/ 的网站图标
RelaisForAll
新增
28Ktoken
2.
https://home-assistant.io/ 的网站图标
Home Assistant Reorganizer
新增
1Ktoken
3.
https://booktender.app/ 的网站图标
Booktender phone agent
新增
822token
4.
https://mei.local/ 的网站图标
Mei
新增
408token
5.
https://www.imgsearch.com/ 的网站图标
ImgSearch Generator research
新增
303token

常见问题

AssemblyAI TTS 1 is a text-to-speech model from AssemblyAI. It is suited for voice agents, narration, and multilingual applications, and draws on a public library of several thousand voices across languages. Voices are selected by slug or ID, and the spoken language follows the chosen voice or can be set explicitly through the language provider option.

TTS 1 的费用为 US$15.00/M characters。

TTS 1 提供 20 种声音。在文本转语音请求的 voice 字段中传入语音 ID；此端点接受的 ID 列在 models API 中的对应模型信息内。

TTS 1 接受 文本 作为输入，并返回 生成的语音音频。

TTS 1 于 2026年10月28日 发布。

更多模型，来自 AssemblyAI

Universal-3.6 Pro

Universal-3.6 Pro is AssemblyAI's speech-to-text model and the successor to Universal-3.5 Pro, served here through AssemblyAI's Sync API. Compared with Universal-3.5 Pro, AssemblyAI reports 30% fewer errors on short conversational utterances, 12% fewer errors on average across supported languages, 14 newly supported languages, and better recognition and formatting of entities such as phone numbers, addresses, emails, and codes. It returns a complete transcript with word-level timestamps in a single synchronous response for audio up to 20 minutes, accepts WAV and compressed input (MP3, M4A, AAC, Ogg/Opus, FLAC, and WebM), and supports free-text prompting, keyterms, and conversation context to steer transcription toward domain vocabulary.

转录from US$0.000083/second
Universal-3.5 Pro

Universal-3.5 Pro is AssemblyAI's speech-to-text model served through its Sync API, returning a complete transcript with word-level timestamps in a single synchronous response for audio up to 20 minutes. It accepts WAV and compressed input (MP3, M4A, AAC, Ogg/Opus, FLAC, and WebM) and supports free-text prompting, keyterms, and conversation context to steer transcription toward domain vocabulary.

转录from US$0.000083/second