IA en un minutoNoticiasModelos
AssemblyAI lanza AssemblyAI-TTS-1, su primer modelo de texto a voz para agentes de voz
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
AssemblyAI ha estrenado su modelo inaugural para convertir texto en voz, que pasa a audio las respuestas escritas de un agente que atiende llamadas. Se paga por carácter, sin contrato anual y sin tope de conversaciones a la vez, con más de 4.000 voces a elegir y la opción de clonar la propia. Funciona en seis idiomas, el español entre ellos, y la empresa asegura que la voz arranca en menos de 100 milisegundos.
AssemblyAI, conocida por sus modelos de voz a texto, ha lanzado AssemblyAI-TTS-1, su primer modelo de texto a voz: el que convierte en audio hablado lo que escribe un asistente. Según su blog, está pensado para agentes de voz que atienden llamadas y está disponible para todo el mundo desde el 27 de octubre de 2026.
El precio es de 15 dólares por cada millón de caracteres, sin compromiso de gasto ni contrato anual. La empresa asegura que no hay límite de llamadas a la vez: el mismo precio por carácter vale para diez conversaciones que para diez mil. Presenta además su tarifa como la más baja entre los modelos de voz de primera línea y como aproximadamente la mitad de lo que, dice, se paga hoy.
Incluye una biblioteca de más de 4.000 voces y clonación instantánea: se sube una grabación, se confirma que se tiene permiso de quien habla y la voz queda lista en unos segundos. Funciona en seis idiomas, con varios acentos en inglés, español, francés, alemán, italiano y portugués, y AssemblyAI prevé sumar más idiomas y acentos en las próximas semanas. Por ahora no ofrece la clonación «Pro», con ajuste fino, y los diccionarios de pronunciación y las etiquetas de emoción llegarán más adelante.
Sobre la velocidad, la empresa afirma que la voz suena en menos de 100 ms y cifra en 90 ms el tiempo hasta el primer audio en producción. En su medición de laboratorio, la mediana del primer byte fue de 47 ms, frente a los 119 ms de ElevenLabs Flash v2.5, el siguiente más rápido de los seis modelos comparados. Esas pruebas las ha hecho la propia AssemblyAI, desde un único cliente y con frases en inglés; no proceden de una evaluación independiente.
Por qué importa · análisis y opinión
El lanzamiento dice algo del mercado de los agentes de voz: quien ya vendía la parte de entender al cliente por teléfono añade ahora la de hablarle, y compite con un precio por carácter y sin compromiso anual. Para un negocio que piensa en atender llamadas con un agente, la factura de la voz crece con cada conversación, así que el precio y la falta de ataduras pesan casi tanto como la calidad del sonido. Las comparativas que cita la empresa son propias, hechas desde un solo cliente y con frases en inglés. Lo prudente es probar el servicio con llamadas reales en español y medir cuántas se resuelven sin pasar a una persona antes de decidir.
Fuente oficial: AssemblyAI · Redactada con ayuda de IA: cómo hacemos las noticias
