AssemblyAIのアップデート履歴

ストリーミング音声認識からLLM Gatewayを使うときに発生していた一時トークンの不具合を修正しました。

• ・一時認証トークンのバグ修正
• ・ストリーミングセッションからのLLM Gateway呼び出し改善

ダッシュボードから請求先住所や税番号を直接追加・編集できるようになりました。

• ・ダッシュボードで請求先住所の追加・編集が可能に
• ・税番号の入力が不要なサポートチケットなしで
• ・請求書と支払い詳細に反映される情報更新

LLM Gatewayでのストリーミング音声認識セッション時の一時トークンの不具合が修正されました。リクエストの変更は不要です。

• ・一時認証トークンの不具合を修正
• ・ストリーミング音声認識セッション対応
• ・リクエスト変更不要

Universal-3.5 Proの非同期文字起こしで、話し言葉の形式で結果を返す機能が追加されました。

• ・非同期文字起こしで話し言葉形式の出力が可能に
• ・数字や日付を変換せずにそのまま残せる
• ・医療分野など正確な言葉を必要とする作業に役立つ

ウルドゥ語の非同期音声認識リクエストが正しいサーバーにルーティングされるようになりました。

• ・ウルドゥ語の非同期リクエストがuniversal-2にルーティングされる
• ・universal-3-5-proはウルドゥ語をサポートしていなかった
• ・ユーザー側での変更は不要

ウルドゥ語の非同期リクエストが正しくルーティングされるようになりました。

• ・ウルドゥ語の非同期リクエストがuniversal-2にルーティングされる
• ・universal-3-5-proへの誤ったルーティングが修正された
• ・ユーザー側の変更は必要ない

ダッシュボードから会社名や請求先住所、税番号を直接編集できるようになりました。サポートチケットを出さなくても設定可能で、変更内容は請求書とPayment Detailsカードに反映されます。

• ・ダッシュボードで請求情報を直接編集可能
• ・サポートチケット不要で設定変更
• ・変更内容が請求書とPayment Detailsカードに反映

Universal-3.5 Proの非同期文字起こしで、発言の自然な表現をそのまま出力できるようになりました。

• ・非同期文字起こしに発言形式の出力機能追加
• ・format_text: falseで数字や日付の変換を抑制
• ・自然な口語表現を維持した文字起こしが可能

Voice Agent APIのPythonおよびJavaScript向けスターターアプリが公開されました。Pythonは3.9以上で標準ライブラリのみ、JavaScriptはNode 18以上で依存関係なしに開発できます。

• ・Python 3.9+向けスターターアプリ
• ・JavaScript(Node 18+)向けスターターアプリ
• ・外部ライブラリ不要で開発可能

録音再生機能の「つっかえ」切り替えが正しく表示されるようになりました。Universal-3.5 Proでも利用可能になりました。

• ・「つっかえ」の表示ラベルが修正されました
• ・説明文が逆だった問題を解消しました
• ・Universal-3.5 Proでの利用が可能になりました

Universal-3.5 Proで音声認識結果をそのままの形で取得できるようになりました。医療分野などでの正確な記録に役立ちます。

• ・音声認識結果をそのままの形で取得できる
• ・数字や日付を変換せずに保持
• ・医療分野の正確な記録に最適

録音済みプレイグラウンドの「不連続語」切り替え機能の表示が修正され、Universal-3.5 Proでも利用できるようになりました。

• ・「不連続語」のラベルが正しく表示されるように修正
• ・Universal-3.5 Proで「不連続語」オプションが利用可能に
• ・機能説明の逆転していた問題を解消

ジェミニ3.6フラッシュが、グローバルルーティングを設定しなくても利用できるようになりました。リージョナルエンドポイントから直接アクセスできます。

• ・グローバルルーティングの設定不要
• ・リージョナルエンドポイント経由での利用可能
• ・モデルリージョンの指定変更不要

PythonとJavaScript向けのVoice Agent APIスターターアプリが利用できるようになりました。ブラウザや電話番号へのデプロイが簡単になります。

• ・Python 3.9+スターターリポジトリ
• ・JavaScript(Node 18+)スターターリポジトリ
• ・Twilio SIP経由のデプロイ対応

Gemini 3.6 Flashがグローバルルーティングなしで利用できるようになりました。リージョナルエンドポイント経由でのアクセスが可能に。

• ・グローバルルーティングのオプトインが不要になりました
• ・LLM Gatewayのリージョナルエンドポイントからアクセス可能
• ・モデルリージョンのオーバーライド設定が不要

Python SDK 1.0がリリースされ、非同期・リアルタイム・同期の3つの機能を統一されたインターフェースで扱えるようになりました。

• ・統一インターフェースの提供
• ・新規ユーザーとコーディングエージェント向けの簡易性
• ・3つの機能の統合

Python SDKに非同期処理が使えるようになりました。複数の音声認識を同時に進めたり、後で結果を取得したりできるようになります。

• ・asyncioによる非同期処理対応
• ・複数の音声認識を同時実行可能
• ・結果取得を後回しできるワークフロー

LLM Gatewayで新しいモデルQwen3.5-4b-32k-fastが利用できるようになりました。オープンソースで音声AI処理を高速化できます。

• ・LLM Gatewayで利用可能に
• ・オープンソースモデル
• ・音声AI処理の高速化

音声認識機能にLLMを活用した要約機能が追加されました。同じ要請で時間付きの章ごとの要約が作成できるようになりました。

• ・LLMを活用した新しい要約機能が追加
• ・時間付きの章ごとの要約が可能に
• ・従来の要約機能と自動章の機能を置き換える

リアルタイムプレイグランドにサンプル音声ファイルが追加されました。マイクや自分の音声なしでストリーミング音声認識をテストできるようになりました。

• ・サンプル音声ファイルの追加
• ・ストリーミング音声認識テストの簡易化
• ・コードサンプルの自動更新