# AssemblyAI、Universal 3.6 Pro Realtime の提供開始を発表

AssemblyAI は、ストリーミング音声モデル Universal 3.6 Pro Realtime が利用可能になり、2件の独立したストリーミング評価で首位だったと述べている。その中には、covaldev のライブリーダーボードで、実際の音声エージェント音声における単語誤り率が最も低かったことも含まれる。

Language: ja
Time zone: Asia/Tokyo
Current time (UTC, cached as of): 2026-11-17T15:02:00.000Z
Query date (Asia/Tokyo): 2026-11-18

HTML: https://didcodexreset.com/ja/news/72ce36c8208048d893ab8df5.html

Content language: ja
Localization state: translated

出典：AssemblyAI · 2026/9/30 05:30:13 公開

AssemblyAI は、Universal 3.6 Pro Realtime が公開されたと述べている。同社によると、2件の独立した評価では、すべてのストリーミング音声モデルが同じ音声と同じテストハーネスで実行され、Universal 3.6 Pro Realtime が両方で首位だった。

trydaily の Pipecat オープン音声認識ベンチマークについて、AssemblyAI は同モデルがパレートフロンティア上にあると述べている。covaldev のライブリーダーボードでは、実際の音声エージェント音声において、どのストリーミングモデルよりも単語誤り率が低いと同社は述べている。

AssemblyAI によると、「No」「Nah」「Nuh-uh」などの短い返答は、静かな通話だけでなく、騒がしい部屋や電話回線でも 98.5% の割合で正しく聞き取られる。テレビ、同僚、近くの席からの背景音声は文字起こしに入らないという。同社はさらに、1つのエンドポイントから自動検出で 32 言語に対応し、発話の途中で言語を切り替える発信者も含むと述べている。また、エンティティを考慮したエンドポイント判定を使い、発信者が話し終えた時点でターンを終え、電話番号を伝えている間はターンを開いたままにする。AssemblyAI は、実際の音声エージェントと電話の会話、数万時間で学習したと述べている。

Tags: AssemblyAI, Universal 3.6 Pro, 音声認識, リアルタイム, 音声エージェント

[元の投稿を見る](https://x.com/AssemblyAI/status/2105030593486729310)
