assemblyai-transcription

面向媒体制作 Agent 的 AssemblyAI 转录

当制作任务需要从录制或实时语音中可靠地生成转录内容，尤其是转录内容需要用于字幕、片段选择、说话人轮次、节目摘要、章节划分、翻译、审核或合规审查时，请使用 AssemblyAI。

请将其视为一项提供商技能，而非通用的 ASR 入门指南。在生产环境中实现代码前，请先查看 AssemblyAI 的最新文档，因为模型名称、定价、附加功能、速率限制和数据保留设置都可能变化。以下信息已根据 AssemblyAI 官方文档于 2026-07-10 核实。

先选择产品接口

AssemblyAI 提供了多个看似相似、但服务于不同生产需求的接口。

已记录的事实：

• 预录音 STT 是处理媒体文件的主要批量／异步 API。提交 audio_url 或先上传本地文件，然后轮询 GET /v2/transcript/{id} 或使用 Webhook，直到转录状态变为 completed 或 error。返回的转录内容包括文本、元数据、带毫秒级时间戳的词语，以及可选的功能输出。来源：https://www.assemblyai.com/docs/pre-recorded-audio/getting-started/transcribe-an-audio-file
• 同步 STT 适用于通过单个 HTTP 请求处理短片段，无需轮询或管理会话。官方文档说明，它接受时长为 80 ms 至 120 s 的音频片段。可用于短语音 Agent 轮次、快速 QC 片段或小型应用交互，而非长播客或访谈。来源：https://www.assemblyai.com/docs/sync-stt/getting-started/transcribe-a-short-audio-file 和 https://www.assemblyai.com/docs/sync-stt/audio-requirements
• 实时 STT 通过 WebSocket（wss://streaming.assemblyai.com/v3/ws）流式传输音频，并发出 Begin、重复的 Turn 和 Termination 事件。可用于实时字幕、语音 Agent、实时会议助手或实时制作监控。词语时间戳以毫秒为单位。来源：https://www.assemblyai.com/docs/streaming/getting-started/transcribe-streaming-audio
• 流式传输按 WebSocket 开启的时长计费，而非按发送的音频量计费。未关闭的会话会在 3 小时后自动关闭，并可能按整个会话时长计费。来源：https://www.assemblyai.com/docs/billing-and-pricing
• 浏览器客户端请使用临时流式传输令牌；切勿在客户端代码中暴露账户 API 密钥。来源：https://www.assemblyai.com/docs/streaming/getting-started/transcribe-streaming-audio

生产经验法则：

• 对于已完成的媒体素材，即使录制最初是从实时会话开始的，也优先使用预录音 STT。异步模型可利用完整文件上下文，更适合生成最终字幕、清理转录内容、划分章节和提取引述。
• 对于实时字幕或语音 Agent，可在活动期间使用实时 STT，并可选择在活动结束后异步重新转录最终录音，以生成适合发布的转录内容。
• 仅当片段刻意保持较短，且需要立即响应、无需处理作业生命周期时，才使用同步 STT。

模型和功能选择

已核实的文档事实，核实日期：2026-07-10：

• 预录制模型包括 Universal-3.5 Pro 和 Universal-2。AssemblyAI 将 Universal-3.5 Pro 列为准确度最高、速度最快的预录制模型，支持 18 种语言、原生代码切换、上下文提示，以及最多 1,000 个关键术语；Universal-2 支持 99 种语言和最多 200 个关键术语。来源：https://www.assemblyai.com/docs/getting-started/models
• 流式模型包括 Universal-3.5 Pro Streaming、Universal-Streaming Multilingual 和 Universal-Streaming English。Universal-3.5 Pro Streaming 支持 18 种语言和最多 100 个关键术语；Universal-Streaming Multilingual 支持英语、西班牙语、葡萄牙语、德语、法语和意大利语；Universal-Streaming English 仅支持英语。来源：https://www.assemblyai.com/docs/getting-started/models
• Medical Mode 是一项附加功能（domain: "medical-v1"），适用于医疗术语，需单独计费。AssemblyAI 文档说明，该功能适用于英语、西班牙语、德语和法语的预录制及流式模型。来源：https://www.assemblyai.com/docs/getting-started/models
• 截至 2026-07-10，文档中公布的当前模型价格为：预录制模型 Universal-3.5 Pro 为 $0.21/小时，Universal-2 为 $0.15/小时；流式模型 Universal-3.5 Pro Streaming 为 $0.45/小时，Universal-Streaming Multilingual 为 $0.15/小时，Universal-Streaming English 为 $0.15/小时。估算成本前，务必重新确认价格。来源：https://www.assemblyai.com/docs/getting-started/models 和 https://www.assemblyai.com/pricing

选择规则：

• 对英语或支持语言的访谈、播客、社交媒体短片和字幕，如果准确度和说话人分离质量很重要，请使用 Universal-3.5 Pro。
• 如果广泛的语言覆盖或较低成本比最新模型更重要，请使用 Universal-2。
• 对实时 Agent 辅助、包含较难词汇的实时字幕、多语言代码切换或带说话人分离的实时会议，请使用流式 Universal-3.5 Pro。
• 对注重成本的实时字幕，如果语言种类简单，且延迟比后期制作准确度更重要，请使用价格较低的流式模型。
• 对姓名、品牌词汇、节目名称、技术术语、产品名称、拼写和常用短语，添加关键术语或提示词。关键术语应具体，避免塞入通用词汇。

输入与制品托管

文档记录的事实：

• 本地文件会上传到 /v2/upload，并将返回的 upload_url 作为 audio_url 提交。使用 cURL 上传时，请通过 --data-binary @file 流式传输原始字节；发送 JSON 或路径字符串可能导致下游转码失败。来源：https://www.assemblyai.com/docs/pre-recorded-audio/getting-started/transcribe-an-audio-file
• 对于预录任务，audio_start_from 和 audio_end_at 可将转录限制在文件的某一部分。来源：https://www.assemblyai.com/docs/api-reference/transcripts/submit
• 预录转录状态包括 queued、processing、completed 和 error。queued 状态可能表示正在等待处理时段。来源：https://www.assemblyai.com/docs/pre-recorded-audio/check-transcript-status
• 使用转录删除端点删除转录；每个生产制品都应存储 transcript_id，以便删除、审计、支持和重试。来源：https://www.assemblyai.com/docs/api-reference/transcripts/delete

生产经验法则：

• 上传前，将生产媒体规范化为纯音频中间格式，以确保流程可重复：主档案使用 WAV 或 FLAC，类似电话语音的内容使用 16 kHz 单声道 WAV，或在传输大小重要时使用高质量压缩副本。原始媒体应单独保留。
• 维护任务台账，记录：源资产路径/哈希、说话人/声道备注、同意状态、请求 JSON、区域端点、模型、功能标志、转录 ID、提交时间、完成时间、成本估算、输出文件路径和删除期限。
• 不要将临时 AssemblyAI URL 作为唯一可信来源。请将字幕、已脱敏音频、转录 JSON 和任何衍生编辑制品下载到生产存储中。

说话人分离与身份识别

文档记录的事实：

• 预录说话人分离通过 speaker_labels: true 启用。结果以 utterances 的形式呈现，每条包含说话人标签、文本、以毫秒为单位的开始/结束时间、置信度和词级详情。来源：https://www.assemblyai.com/docs/pre-recorded-audio/label-speakers
• 分离标签是按顺序排列的通用标签，例如 A、B、C。通过 Speech Understanding 提供已知值时，说话人识别可将标签映射到已知姓名或角色。来源：https://www.assemblyai.com/docs/pre-recorded-audio/label-speakers
• AssemblyAI 说明，speakers_expected、speaker_options.min_speakers_expected 和 speaker_options.max_speakers_expected 是硬性边界，而非软性提示。限制过严会合并说话人；上限过高则可能过度拆分。来源：https://www.assemblyai.com/docs/pre-recorded-audio/label-speakers
• AssemblyAI 建议每位说话人至少有 30 秒的连续语音，以获得最佳分离效果，并提醒串音、噪声、相似的声音以及简短的附和语都会降低准确度。来源：https://www.assemblyai.com/docs/pre-recorded-audio/label-speakers
• 流式处理支持说话人分离和多声道工作流，但这些是有实时约束的实时会话功能，不能替代最终的编辑阶段说话人质量检查。来源：https://www.assemblyai.com/docs/streaming/label-speakers-and-separate-channels
• 预录多声道转录会按声道分别计费。来源：https://www.assemblyai.com/docs/billing-and-pricing

生产经验法则：

• 对于播客/访谈后期制作，有独立声道时优先使用独立声道。每位说话人都稳定地位于单独声道时使用多声道；录音为单声道或声道混合时使用说话人分离。
• 如果制作备注中已知确切的说话人数，就设置该数量；否则使用合理的最小值/最大值范围，并留出少量余量。
• 发布字幕、引述、片段或法律/医疗笔记前，始终由人工检查说话人标签。

字幕、时间戳和编辑数据

已记录的事实：

• 预录音频转录响应默认会在 words 数组中包含词级起止时间戳；启用说话人分离后，话语也会包含起止时间。来源：https://www.assemblyai.com/docs/pre-recorded-audio/getting-started/transcribe-an-audio-file
• 已完成的转录可通过 GET /v2/transcript/{transcript_id}/{subtitle_format} 导出为 SRT 或 VTT 字幕。来源：https://www.assemblyai.com/docs/api-reference/transcripts/get-subtitles
• 已完成的转录支持句子和段落接口。来源：https://www.assemblyai.com/docs/api-reference/transcripts/get-sentences and https://www.assemblyai.com/docs/api-reference/transcripts/get-paragraphs
• AssemblyAI 提供了自定义长度字幕和带说话人标签字幕的指南。来源索引：https://www.assemblyai.com/docs/llms.txt
• 对于短音频文件请求，同步 STT 会在响应的 words 数组中返回词级详情，包括毫秒级 start/end 时间戳和每个词的置信度。来源：https://www.assemblyai.com/docs/sync-stt/getting-started/transcribe-a-short-audio-file

生产启发式：

• 对于广播风格的字幕，可将 AssemblyAI 的 SRT/VTT 作为第一版带时间轴的草稿，然后按平台风格规范进行调整：阅读速度、行长、句子切分、说话人标签、脏话政策和统一的大小写规则。
• 对于社交媒体的烧录字幕，可使用词级时间戳制作卡拉 OK 式或高亮动画，但应在合成器中平滑微小的时间差。除非风格有意保留逐字口语，否则不要为每个不流畅之处制作动画。
• 对于剪辑决策，应导出持久化的转录 JSON，以及类似 EDL 的片段数据：speaker、start_ms、end_ms、text、confidence、source_transcript_id 和审阅者备注。

语言、语码转换和翻译

已记录的事实：

• 自动语言检测会识别主要语言，并根据检测到的语言和所选 speech_models 路由请求；响应包含 language_code 和 speech_model_used。AssemblyAI 建议提供至少 15–90 秒的语音音频，以获得最佳效果。来源：https://www.assemblyai.com/docs/pre-recorded-audio/language-detection
• 预录音频 Universal-3.5 Pro 支持 18 种语言；Universal-2 支持 99 种语言。AssemblyAI 说明，当语言不在 Universal-3.5 Pro 支持范围内时，会从 Universal-3.5 Pro 回退到 Universal-2。来源：https://www.assemblyai.com/docs/getting-started/models
• 翻译是语音理解功能。它可以作为转录请求的一部分运行，也可以针对已有转录单独发起请求，并返回以目标语言为键的 translated_texts。来源：https://www.assemblyai.com/docs/speech-understanding/translation
• 官方文档介绍了通过 LLM Gateway 实时翻译的方式，它是一种流式工作流，而不是原生流式 STT 转录输出字段。来源：https://www.assemblyai.com/docs/streaming/guides/real_time_translation

生产启发式：

• 对于多语言成片字幕，应先生成并质检源语言字幕，再进行翻译。不要假设译文字幕会保留原有换行、阅读速度或惯用表达。
• 对于语码转换语音，应选择支持相关语言的模型，并提供上下文／关键词，以便识别姓名和领域术语。如果文件较短或语言置信度较低，可路由到已知语言，或单独运行一次语言检测。
• 对于配音／本地化，应将源转录、源字幕、译文和人工本地化备注作为独立素材保存。

语音理解与护栏

当基于转录文本生成的生产内容需要结构化、审核或安全处理时，请使用语音理解与护栏。不要将这些输出与基础转录文本混淆。

已记录的事实：

• 摘要功能会生成带时间戳、类似章节的摘要，目前为公开测试版。它支持 summary_type 值，例如 paragraph 和 bullets，以及 effort 参数。来源：https://www.assemblyai.com/docs/speech-understanding/summarization
• 旧版 auto_chapters 转录参数已弃用；AssemblyAI 现在建议通过获取段落并使用 LLM Gateway 来构建灵活的章节摘要。来源：https://www.assemblyai.com/docs/speech-understanding/auto-chapters
• 实体检测会提取人物、组织、地址、电话号码、医疗数据和社会安全号码等实体，并附带时间戳。来源：https://www.assemblyai.com/docs/speech-understanding/entity-detection
• 情感分析会将每个口语句子标记为正面、中性或负面，并提供置信度和时间戳；启用说话人标签后，情感分析结果还可包含说话人标签。来源：https://www.assemblyai.com/docs/speech-understanding/sentiment-analysis
• 主题检测和关键短语是有文档说明的语音理解功能。来源：https://www.assemblyai.com/docs/speech-understanding/topic-detection 和 https://www.assemblyai.com/docs/speech-understanding/key-phrases
• 说话人识别、翻译、自定义格式设置和行动项是有文档说明的语音理解功能。来源索引：https://www.assemblyai.com/docs/llms.txt
• PII 脱敏会对转录文本中的 PII 进行脱敏，也可以生成脱敏音频。脱敏音频 URL 仅在 24 小时内有效，且只有原始文件小于 1 GB 时才能生成脱敏音频。PII 脱敏只会对 text 属性中的词语进行脱敏；其他功能的输出仍可能包含 PII。来源：https://www.assemblyai.com/docs/guardrails/redact-pii-from-transcripts
• 内容审核和脏话过滤是有文档说明的护栏功能。来源：https://www.assemblyai.com/docs/guardrails/detect-sensitive-content 和 https://www.assemblyai.com/docs/guardrails/filter-profanity-from-transcripts

生产实践启发：

• 将摘要、主题、关键短语、实体和情感用作辅助索引，供制作人员参考，而不要将其视为可直接发布的编辑结论。
• 查找片段时，应结合语音理解信号、转录文本搜索和人工审核：强烈情感、命名实体和主题转变可以帮助找到候选片段，但编辑必须核实上下文。
• 对于 PII 工作流，应在最早的内容边界进行脱敏，并在摘要或翻译后重新检查 PII，因为衍生字段可能会重新引入敏感文本。

Webhook、生命周期、扩展和重试

文档记录的事实：

• 预录音频任务支持 webhook_url、可选的 webhook 身份验证标头名称和值，并会回调转录 ID 和最终状态（completed 或 error）。来源：https://www.assemblyai.com/docs/api-reference/transcripts/submit 和 https://www.assemblyai.com/docs/pre-recorded-audio/webhooks
• 预录音频的速率限制针对并行转录任务：免费账户起始上限为 5 个，付费账户为 200 个以上。超出上限的任务会按 FIFO 排队。所有端点的 HTTP API 请求每 5 分钟最多 20,000 次；超出后会返回 HTTP 403。速率限制按账户计算，而非按项目计算。来源：https://www.assemblyai.com/docs/pre-recorded-audio/rate-limits
• 付费账户的实时 STT 限制针对每分钟新建的流式会话，而非开放会话数量的硬性上限。2026-07-10 文档中的默认值为：免费账户每分钟 5 个新会话，付费账户每分钟 100 个以上；当使用量达到当前限制的 70% 或更高时，会自动扩容。超出当前流式限制会导致 WebSocket 关闭。来源：https://www.assemblyai.com/docs/streaming/rate-limits
• LLM Gateway 和 Speech Understanding 的速率限制因模型或服务而异；超出限制时会返回 429，响应标头可能包含速率限制详情。来源：https://www.assemblyai.com/docs/llm-gateway/rate-limits
• 失败的转录不会收费；预录音频按精确秒数按比例计费，附加功能单独计费。来源：https://www.assemblyai.com/docs/billing-and-pricing

生产环境经验法则：

• 批量任务优先使用 webhook，而不是频繁轮询。保留轮询备用方案，并加入随机抖动、逐步延长轮询间隔。
• 大规模导入前，先测试有代表性的样本。在提交完整存档前，验证转录质量、功能标志、webhook、存储、删除策略和成本。
• 对于批量任务，根据实测周转时间确定提交速率，并将进行中的任务数控制在账户限制的约 80% 以下。
• 将 4xx 视为需要检查的配置、身份验证或输入错误，已记录的限流情况除外；将 5xx 视为可重试错误，使用指数退避和死信队列。

安全、隐私、同意与权利

已记录的事实：

• AssemblyAI 记录了静态数据采用 AES 128 或 AES-256 加密，传输中数据采用 TLS 1.2+ 加密。来源：https://www.assemblyai.com/docs/data-retention-and-model-training
• AssemblyAI 表示其已获得 SOC 2 Type 1 和 Type 2 认证。来源：https://www.assemblyai.com/docs/data-retention-and-model-training
• 付费账户可使用 Data Controls 退出模型改进计划、为音频和转录文本设置 TTL，以及审核/签署 BAA。免费用户无法使用这些控制。来源：https://www.assemblyai.com/docs/data-controls
• 退出设置的变更仅对未来生效。退出后，AssemblyAI 表示不会将客户数据或去标识化数据用于模型改进/基准测试。来源：https://www.assemblyai.com/docs/data-controls
• 签署 BAA 会自动使账户退出模型改进计划；AssemblyAI 表示，不会使用根据 BAA 提交的文件训练模型。来源：https://www.assemblyai.com/docs/data-controls
• 对于异步生产环境，最终转录产物的 TTL 最短可设为 1 小时。未设置 TTL 或未签署 BAA 时，不同产物类型的默认删除时间各不相同；最终转录产物从 30 天后开始删除，上传的音频则默认从 72 小时后开始删除。元数据可能会为日志记录和计费而保留。来源：https://www.assemblyai.com/docs/data-retention-and-model-training
• 对于流式处理，AssemblyAI 记录了账户退出模型训练后音频/转录文本的零数据保留政策，但某些元数据仍会为日志记录/计费而存储。来源：https://www.assemblyai.com/docs/data-retention-and-model-training
• AssemblyAI 已退出所有 LLM Gateway 提供商的数据训练计划；但这与 AssemblyAI 是否可以训练自己的模型是两回事，除非账户已退出，或符合其他已记录的条件。来源：https://www.assemblyai.com/docs/data-retention-and-model-training

生产环境要求：

• 转录前确认已获得录音同意和相关权利。即使音频已获准用于有限用途，转录也可能生成新的敏感文本产物。
• 对于未成年人、健康数据、法律事务、内部会议、未发布产品或客户通话，必须明确设置数据控制：使用付费账户、退出模型改进计划、设置适当的 TTL、涉及 PHI 时签署 BAA，并记录删除流程。
• 不要将 API 密钥放入共享媒体文件夹、客户端应用、字幕、日志或项目文件中。请使用环境变量或机密管理器。
• 如果使用欧盟端点/数据驻留，请确保每个步骤都使用正确的端点，包括适用的 LLM Gateway 或 Sync/Streaming 变体。

生产 QA 清单

发布字幕、片段、编辑内容或衍生文本前，请运行此清单：

1. 源文件管理：原始媒体文件存在，已记录哈希值/路径，并记录同意/权利状态。
2. 音频准备：已检查声道布局、采样率、削波/噪声、串音和时长；已转码并重新检查有问题的文件。
3. 请求完整性：模型、语言、关键术语/提示词、说话人分离/声道模式、PII/脱敏和附加功能均符合生产意图。
4. 生命周期：已存储转录 ID；状态为已完成；没有遗漏的 webhook；没有孤立的排队任务；已记录费用和时长。
5. 转录审核：已审核专有名词、首字母缩写、产品名称、数字、医疗/法律术语和不清晰片段。
6. 说话人审核：仅在人为确认后，才将说话人标签映射到姓名/角色。
7. 字幕审核：已检查 SRT/VTT 换行、阅读速度、时间、脏话政策和无障碍标签。
8. 衍生产物审核：已结合转录上下文检查摘要、章节、主题、翻译、情感和实体。
9. 隐私审核：已验证文本、单词、话语、摘要、翻译、实体、文件名、日志和脱敏音频中的 PII 脱敏情况。
10. 保留：已将输出下载到受控存储中；已安排 TTL/删除要求；在需要时已测试转录删除。

示例：播客转录、字幕、章节和片段索引

生产意图示例：从一档 75 分钟、由两位主持人与一位嘉宾参与的播客中，制作可直接发布的转录包。

工作流：

1. 从剪辑母版中提取音频；保留原始媒体，并导出适合语音处理的 WAV。
2. 使用 Universal-3.5 Pro 提交预录任务；如果语言不确定，则启用语言检测；设置 speaker_labels: true；如果不确定准确的轮次，可指定说话人范围，例如最少 2 位/最多 4 位；并为节目名称、主持人、嘉宾、赞助商和技术词汇添加关键术语。
3. 使用 webhook 接收完成通知，并将转录 ID 存入项目台账。
4. 下载完整 JSON、SRT、VTT、段落和话语。
5. 通过对段落分组并使用 LLM Gateway 或文档所述的摘要功能来生成章节，然后审核编辑准确性。
6. 根据高置信度引语片段、情感/主题/关键短语信号和制作人备注，建立片段索引。
7. 由人工 QA 审核说话人映射、字幕、姓名、时间戳以及任何赞助商/法律相关内容。

预期结果：

• 带有词级时间戳的持久化转录 JSON。
• SRT/VTT 字幕草稿。
• 带说话人标签的话语列表。
• 经过审核并包含起止时间的章节列表。
• 包含源时间码和置信度/审核状态的候选片段。

失败模式：

• 串音时嘉宾和主持人的标签互换。
• 赞助商/产品名称需要关键术语或人工更正。
• SRT 换行可用，但未针对目标平台进行样式设计。
• 摘要夸大或掩盖不确定性。

变体：

• 如果每位说话人使用单独的声道，请使用多声道而非说话人分离，同时考虑按声道计费。
• 如果节目包含敏感的听众来电，请启用 PII 脱敏，并单独审核衍生摘要/实体。
• 如果播客使用多种语言，请在批量处理前，使用样本明确测试模型/语言路径。

示例：实时活动字幕及最终无障碍字幕

生产场景示例：为线上研讨会添加实时字幕，并在活动结束后发布校正后的字幕。

工作流：

1. 活动期间，将麦克风或调音台输出流式传输到使用 Universal-3.5 Pro Streaming 的 Real-time STT，并设置合适的 sample_rate、包含演讲者姓名和产品词汇的关键词，以及关机时发送的终止消息。
2. 除非用户体验专为临时文本设计，否则公开字幕仅显示已定稿的轮次。
3. 记录会话开始和结束时间、会话时长，以及任何 WebSocket 关闭事件。
4. 活动结束后，使用预录音频 STT 转录最终录音，以生成发布用字幕。
5. 导出 SRT/VTT，并对照视频进行字幕质量检查：时间、阅读速度、行长、姓名、缩略词和无障碍标签。

预期结果：

• 活动期间提供低延迟实时字幕。
• 根据完整录音生成质量更高的最终字幕。
• 成本记录区分流式会话时长与异步音频时长。

故障模式：

• 活动结束后 WebSocket 仍保持打开，导致成本增加。
• 临时字幕显示不稳定的文本。
• 实时转录遗漏未纳入关键词的术语。
• 最终异步字幕与实时字幕不同；以最终文件为准。

变体：

• 对于浏览器采集，在服务端生成临时流式令牌。
• 对于多语言活动，确认模型支持的语言，并在直播前测试语码转换。
• 对于医疗或受监管活动，使用付费账户的数据控制，根据需要签署 BAA，并明确保留设置。

示例：已脱敏的访谈审阅包

生产场景示例：转录客户访谈，同时尽量减少编辑人员接触到的个人身份信息（PII）。

工作流：

1. 确认已获得同意，并明确访谈内容的允许用途。
2. 启用 PII 脱敏，并设置相关策略，例如人名、电话号码、电子邮件地址、街道地址或账户标识符。
3. 如果编辑人员需要听取音频，请启用音频脱敏，并在 24 小时可用时限内下载。
4. 除非受限审阅人员确实需要原始文本，否则不要启用 redact_pii_return_unredacted。
5. 先决定下游衍生产物是否可能包含 PII，再运行摘要和实体提取；分别审查衍生字段。
6. 将脱敏产物存储在常规编辑工作区中；如有未脱敏产物，则将其存储在受限存储中，并跟踪 TTL 和删除情况。

预期结果：

• 脱敏后的转录文本，可供广泛的编辑审阅使用。
• 可选的脱敏音频文件，用于选择片段。
• 受限审计记录，包含转录 ID、PII 策略和删除截止日期。

故障模式：

• 尽管主 text 字段已脱敏，实体、摘要或翻译输出中仍残留 PII。
• 团队下载前，脱敏音频链接已过期。
• 过度脱敏导致引述无法使用；应通过受限的未脱敏审阅来解决，而不是暴露所有内容。

变体：

• 对于公开推荐语，在自动脱敏后进行人工法律与隐私审查。
• 对于内部分析，仅保留汇总笔记，并在获批的保留期限后删除源转录内容。

来源索引

已于 2026-07-10 核实的官方来源：

• 文档索引和 API 映射：https://www.assemblyai.com/docs/llms.txt
• 模型和定价：https://www.assemblyai.com/docs/getting-started/models and https://www.assemblyai.com/pricing
• 计费：https://www.assemblyai.com/docs/billing-and-pricing
• 预录音频快速入门/API：https://www.assemblyai.com/docs/pre-recorded-audio/getting-started/transcribe-an-audio-file and https://www.assemblyai.com/docs/api-reference/transcripts/submit
• 流式处理快速入门/速率限制：https://www.assemblyai.com/docs/streaming/getting-started/transcribe-streaming-audio and https://www.assemblyai.com/docs/streaming/rate-limits
• 同步 STT：https://www.assemblyai.com/docs/sync-stt/getting-started/transcribe-a-short-audio-file
• 说话人分离：https://www.assemblyai.com/docs/pre-recorded-audio/label-speakers
• 字幕：https://www.assemblyai.com/docs/api-reference/transcripts/get-subtitles
• 语言检测/翻译：https://www.assemblyai.com/docs/pre-recorded-audio/language-detection and https://www.assemblyai.com/docs/speech-understanding/translation
• 语音理解：https://www.assemblyai.com/docs/speech-understanding/summarization, https://www.assemblyai.com/docs/speech-understanding/auto-chapters, https://www.assemblyai.com/docs/speech-understanding/entity-detection, https://www.assemblyai.com/docs/speech-understanding/sentiment-analysis
• 防护措施：https://www.assemblyai.com/docs/guardrails/redact-pii-from-transcripts, https://www.assemblyai.com/docs/guardrails/detect-sensitive-content, https://www.assemblyai.com/docs/guardrails/filter-profanity-from-transcripts
• 速率限制和规模扩展：https://www.assemblyai.com/docs/pre-recorded-audio/rate-limits and https://www.assemblyai.com/docs/llm-gateway/rate-limits
• 数据控制/安全/保留期限：https://www.assemblyai.com/docs/data-controls and https://www.assemblyai.com/docs/data-retention-and-model-training